kddcup99

• Deskripsi :

Ini adalah kumpulan data yang digunakan untuk The Third International Knowledge Discovery and Data Mining Tools Competition, yang diselenggarakan bersamaan dengan KDD-99 The Fifth International Conference on Knowledge Discovery and Data Mining. Tugas kompetisi adalah membangun detektor intrusi jaringan, model prediktif yang mampu membedakan antara koneksi 'buruk', yang disebut intrusi atau serangan, dan koneksi normal yang 'baik'. Basis data ini berisi kumpulan data standar yang akan diaudit, yang mencakup berbagai macam intrusi yang disimulasikan dalam lingkungan jaringan militer.

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode

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

• Kode sumber : tfds.datasets.kddcup99.Builder

• Versi :

  • 1.0.0 : Rilis awal.
  • 1.0.1 (default): Memperbaiki penguraian bidang boolean land , logged_in , root_shell , is_hot_login dan is_guest_login .

• Ukuran unduhan : 18.62 MiB

• Ukuran dataset : 5.25 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'test'	311.029
'train'	4.898.431

• Struktur fitur :

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,
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
menghitung	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
durasi	Tensor		int32
bendera	LabelKelas		int64
panas	Tensor		int32
is_guest_login	Tensor		bool
is_hot_login	Tensor		bool
label	LabelKelas		int64
tanah	Tensor		bool
login_in	Tensor		bool
num_access_files	Tensor		int32
num_compromised	Tensor		int32
num_failed_login	Tensor		int32
num_file_kreasi	Tensor		int32
num_outbound_cmds	Tensor		int32
num_root	Tensor		int32
num_shells	Tensor		int32
protocol_type	LabelKelas		int64
tingkat_kesalahan	Tensor		float32
root_shell	Tensor		bool
sama_srv_rate	Tensor		float32
tingkat kesalahan	Tensor		float32
melayani	LabelKelas		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_attempted	Tensor		int32
mendesak	Tensor		int32
salah_fragmen	Tensor		int32

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@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"
}