kddcup99

• Descrição :

Este é o conjunto de dados usado para a Terceira Competição Internacional de Ferramentas de Descoberta de Conhecimento e Mineração de Dados, realizada em conjunto com a KDD-99, a Quinta Conferência Internacional sobre Descoberta de Conhecimento e Mineração de Dados. A tarefa da competição era construir um detector de intrusão de rede, um modelo preditivo capaz de distinguir entre conexões 'ruins', chamadas invasões ou ataques, e conexões normais 'boas'. Esta base de dados contém um conjunto padrão de dados a serem auditados, que inclui uma ampla variedade de invasões simuladas em um ambiente de rede militar.

• Documentação Adicional : Explore em Papers With Code

• Página inicial : https://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html

• Código -fonte: tfds.datasets.kddcup99.Builder

• Versões :

  • 1.0.0 : versão inicial.
  • 1.0.1 (padrão): Corrige a análise dos campos booleanos land , is_guest_login , logged_in , root_shell e is_hot_login .

• Tamanho do download : 18.62 MiB

• Tamanho do conjunto de dados : 5.25 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'test'	311.029
'train'	4.898.431

• Estrutura de recursos :

FeaturesDict({
    'count': int32,
    'diff_srv_rate': float32,
    'dst_bytes': int32,
    'dst_host_count': int32,
    'dst_host_diff_srv_rate': float32,
    'dst_host_rerror_rate': float32,
    'dst_host_same_src_port_rate': float32,
    'dst_host_same_srv_rate': float32,
    'dst_host_serror_rate': float32,
    'dst_host_srv_count': int32,
    'dst_host_srv_diff_host_rate': float32,
    'dst_host_srv_rerror_rate': float32,
    'dst_host_srv_serror_rate': float32,
    'duration': int32,
    'flag': ClassLabel(shape=(), dtype=int64, num_classes=11),
    'hot': int32,
    'is_guest_login': bool,
    'is_hot_login': bool,
    'label': ClassLabel(shape=(), dtype=int64, num_classes=40),
    'land': bool,
    'logged_in': bool,
    'num_access_files': int32,
    'num_compromised': int32,
    'num_failed_logins': int32,
    'num_file_creations': int32,
    'num_outbound_cmds': int32,
    'num_root': int32,
    'num_shells': int32,
    'protocol_type': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'rerror_rate': float32,
    'root_shell': bool,
    'same_srv_rate': float32,
    'serror_rate': float32,
    'service': ClassLabel(shape=(), dtype=int64, num_classes=71),
    'src_bytes': int32,
    'srv_count': int32,
    'srv_diff_host_rate': float32,
    'srv_rerror_rate': float32,
    'srv_serror_rate': float32,
    'su_attempted': int32,
    'urgent': int32,
    'wrong_fragment': int32,
})

• Documentação do recurso:

Funcionalidade	Aula	Forma	Tipo D	Descrição
	RecursosDict
contar	tensor		int32
diff_srv_rate	tensor		float32
dst_bytes	tensor		int32
dst_host_count	tensor		int32
dst_host_diff_srv_rate	tensor		float32
dst_host_rerror_rate	tensor		float32
dst_host_same_src_port_rate	tensor		float32
dst_host_same_srv_rate	tensor		float32
dst_host_serror_rate	tensor		float32
dst_host_srv_count	tensor		int32
dst_host_srv_diff_host_rate	tensor		float32
dst_host_srv_rerror_rate	tensor		float32
dst_host_srv_serror_rate	tensor		float32
duração	tensor		int32
bandeira	ClassLabel		int64
quente	tensor		int32
is_guest_login	tensor		bool
is_hot_login	tensor		bool
rótulo	ClassLabel		int64
terra	tensor		bool
logado	tensor		bool
num_access_files	tensor		int32
num_compromised	tensor		int32
num_failed_logins	tensor		int32
num_file_creations	tensor		int32
num_outbound_cmds	tensor		int32
num_root	tensor		int32
num_shells	tensor		int32
protocol_type	ClassLabel		int64
rerror_rate	tensor		float32
root_shell	tensor		bool
same_srv_rate	tensor		float32
serror_rate	tensor		float32
serviço	ClassLabel		int64
src_bytes	tensor		int32
srv_count	tensor		int32
srv_diff_host_rate	tensor		float32
srv_rerror_rate	tensor		float32
srv_serror_rate	tensor		float32
su_tentativa	tensor		int32
urgente	tensor		int32
fragmento_errado	tensor		int32

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@misc{Dua:2019 ,
  author = "Dua, Dheeru and Graff, Casey",
  year = 2017,
  title = "{UCI} Machine Learning Repository",
  url = "http://archive.ics.uci.edu/ml",
  institution = "University of California, Irvine, School of Information and
Computer Sciences"
}