StreamSpot数据集完整使用指南：网络异常检测实验数据详解

StreamSpot数据集完整使用指南：网络异常检测实验数据详解

【免费下载链接】sbustreamspot-data Datasets used in the StreamSpot experiments 项目地址: https://gitcode.com/gh_mirrors/sb/sbustreamspot-data

StreamSpot数据集是用于网络异常检测和边缘流分析的重要实验数据集合。该项目提供了包含600个正常和攻击场景图的完整数据集，专门为网络安全研究和机器学习模型训练设计。在本文中，我们将为您提供StreamSpot数据集的完整使用教程，帮助您快速上手并充分利用这些宝贵的数据资源。

🔍 数据集概览与核心价值

StreamSpot数据集包含三个主要数据集：ALL、YDC和GFC，涵盖了多种网络场景：

• ALL数据集：包含所有600个场景图的完整边数据
• YDC数据集：YouTube、Download、CNN场景的子集
• GFC数据集：GMail、VGame、CNN场景的子集

每个数据集都采用制表符分隔的格式，每行代表一条边，包含源节点ID、源节点类型、目标节点ID、目标节点类型、边类型和图ID等关键字段。

📁 项目结构与文件说明

项目采用简洁的文件结构：

sbustreamspot-data/
├── README.md        # 项目说明文档
├── LICENSE          # Apache-2.0开源协议
├── preprocess.py    # 数据预处理脚本
└── all.tar.gz       # 完整数据集压缩包

🛠️ 快速开始：数据处理流程

1. 获取项目代码

首先克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/sb/sbustreamspot-data
cd sbustreamspot-data

2. 解压数据集

项目中的all.tar.gz文件包含了所有场景的原始数据：

tar -xzf all.tar.gz

3. 运行预处理脚本

preprocess.py是核心的数据处理脚本，执行以下命令进行数据预处理：

python preprocess.py <原始边数据文件>

4. 理解数据格式

预处理后的数据采用以下格式：

源节点ID  源节点类型  目标节点ID  目标节点类型  边类型  图ID

🔧 预处理脚本详解

preprocess.py脚本执行以下关键操作：

1. 类型映射：将节点和边类型映射为单个字符表示
2. 边合并：合并相同节点对间的连续边，避免重复
3. ID调整：节点ID递增1（原始ID为-1的变为0）
4. 时间戳移除：移除时间戳字段，保持数据简洁

📊 场景分类与图ID对应关系

数据集包含6种主要场景，每种场景对应100个图ID：

场景类型	图ID范围	描述
YouTube	0-99	正常视频流场景
GMail	100-199	正常邮件服务场景
VGame	200-299	正常游戏场景
下载攻击	300-399	恶意下载攻击场景
Download	400-499	正常下载场景
CNN	500-599	正常新闻浏览场景

💡 实用技巧与最佳实践

数据子集提取

您可以根据需要从ALL数据集中提取特定场景的子集：

• YDC子集：提取YouTube、Download、CNN场景数据
• GFC子集：提取GMail、VGame、CNN场景数据

自定义预处理

如果需要调整预处理逻辑，可以直接修改preprocess.py脚本中的映射规则或处理流程。

🎯 应用场景

StreamSpot数据集特别适用于：

• 网络安全研究：异常检测算法开发与验证
• 机器学习训练：构建和训练网络行为分类模型
• 学术实验：网络流分析相关学术研究
• 系统监控：网络行为模式识别与分析

📝 总结

StreamSpot数据集为网络异常检测研究提供了高质量的实验数据。通过简单的预处理步骤，您可以快速获得格式规范、便于分析的数据集。无论您是网络安全研究员、数据科学家还是学术研究者，这个数据集都能为您的项目提供有力的数据支持。

记住，理解数据结构和预处理逻辑是有效利用这些数据的关键。祝您研究顺利！

【免费下载链接】sbustreamspot-data Datasets used in the StreamSpot experiments 项目地址: https://gitcode.com/gh_mirrors/sb/sbustreamspot-data