问题陈述
我们的任务是构建一个网络入侵检测器，即一个能够区分“坏”连接（被称为入侵或攻击）和“好”的正常连接的预测模型。
入侵检测系统（IDS） 是一种软件应用程序，它使用各种机器学习算法来检测网络入侵。IDS 监控网络或系统的恶意活动，并保护计算机网络免受用户（包括可能的内部人员）的未授权访问。入侵检测器的学习任务是构建一个预测模型（即分类器），能够区分“坏连接”（入侵/攻击）和“好（正常）连接”。攻击主要分为四类：
- #DOS：拒绝服务攻击，例如 SYN 洪水。
- #R2L：来自远程机器的未授权访问，例如猜测密码。
- #U2R：对本地超级用户权限的未授权访问，例如各种“缓冲区溢出”攻击。
- #Probing：监视和其他探测，例如端口扫描。
您可以从 Kaggle 下载本项目使用的数据集（数据集名称为 Intrusion Detection System Using Machine Learning）。
数据集描述： 数据文件：
- kddcup.names：特征列表。
- kddcup.data10percent：数据集的 10% 子集。
- trainingattacktypes：入侵类型列表。
特征：
描述
—
连接的持续时间（秒数）
协议类型，例如 TCP、UDP 等
目标上的网络服务，例如 HTTP、telnet 等
从源到目标的数据字节数
从目标到源的数据字节数
连接的正常或错误状态
如果连接来自/去往同一主机/端口则为 1；否则为 0
“错误”分片数量
紧急包的数量
表 1：单个 TCP 连接的基本特征。
描述
—
“热”指标的数量
尝试登录失败的次数
如果成功登录则为 1；否则为 0
“受损”状况的数量
如果获得了 root shell 则为 1；否则为 0
如果尝试了“su root”命令则为 1；否则为 0
“root” 访问次数
文件创建操作的数量
shell 提示符的数量
访问控制文件的操作数量
ftp 会话中的出站命令数
如果登录属于“热”列表则为 1；否则为 0
如果登录是“访客”登录则为 1；否则为 0
表 2：领域知识建议的连接内的内容特征。
描述
—
过去两秒内与当前连接相同主机的连接数
注意：以下特征是指这些同主机的连接。
具有“SYN”错误的连接百分比
具有“REJ”错误的连接百分比
连接到同一服务的连接百分比
连接到不同服务的连接百分比
过去两秒内与当前连接相同服务的连接数
注意：以下特征是指这些同服务的连接。
具有“SYN”错误的连接百分比
具有“REJ”错误的连接百分比
连接到不同主机的连接百分比
表 3：使用两秒时间窗口计算的流量特征。
应用的各种算法： 高斯朴素贝叶斯、决策树、随机森林、支持向量机、逻辑回归。
使用的方法： 我们在 KDD 数据集上应用了上述提到的各种分类算法，并比较它们的结果以构建一个预测模型。
步骤 1：导入和设置数据
代码：导入库和读取特征列表。
Python
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import time
from sklearn.modelselection import traintest_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.naive_bayes import GaussianNB
from sklearn.tree import Decis