Skip to content
KitploitKITPLOIT
उपकरणब्लॉग
जमा करें
उपकरणब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

··फ़ीड·संपर्क·गोपनीयता·© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
network-attack-detection — मशीन लर्निंग तकनीकों का उपयोग करके पोर्ट स्कैनिंग, DoS और मैलवेयर हमलों की उन्नत पहचान | Kitploit
उपकरण/GitHubGitHub/lucadibello/network-attack-detection
भेद्यता विश्लेषणजानकारी एकत्र करनानेटवर्क सुरक्षामशीन लर्निंगघुसपैठ का पता लगानालर्निंग और शिक्षाविसंगति का पता लगानालॉग विश्लेषण
GitHub
lucadibello/network-attack-detection

network-attack-detection

मशीन लर्निंग तकनीकों का उपयोग करके पोर्ट स्कैनिंग, DoS और मैलवेयर हमलों की उन्नत पहचान

रिपॉजिटरी देखेंवेबसाइट
133603 साल पहलेअभी तक समीक्षित नहीं

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →
साझा करें

मशीन लर्निंग का उपयोग करके नेटवर्क अटैक डिटेक्शन

विवरण

यह प्रोजेक्ट पोर्ट स्कैनिंग, डिनायल ऑफ सर्विस (DoS), और मैलवेयर जैसे नेटवर्क अटैक को वर्गीकृत करने के लिए मशीन लर्निंग तकनीकों का उपयोग करता है। इनपुट डेटा Netflow V9 प्रारूप में है, जो Cisco द्वारा उपयोग किया जाने वाला एक मानक प्रारूप है।

वर्गीकरण निम्नलिखित मॉडलों का उपयोग करके किया जाता है:

  • K-Nearest Neighbors (KNN)
  • Support Vector Machine Classifier (SVC) with RBF (Radial Basis Function) kernel
  • Pipeline with Principal Component Analysis (PCA) and Support Vector Machine Classifier (SVC)
  • Bagging Classifier (based on SVC with RBF kernel)
  • Random Forest Classifier
  • Extra Trees Classifier
  • Neural Network (MLPClassifier)

यह प्रोजेक्ट Python में Jupyter Notebook और कई लोकप्रिय लाइब्रेरियों का उपयोग करके लागू किया गया है, जिनमें UMAP, Pandas, NumPy, Scikit-Learn, Matplotlib, और Seaborn शामिल हैं।

नोटबुक

नोटबुक GitHub पर सीधे देखने के लिए यहाँ उपलब्ध है। वैकल्पिक रूप से, आप इस लिंक के माध्यम से NbViewer का उपयोग करके नोटबुक तक पहुँच सकते हैं।

प्रस्तुति

PDF प्रारूप में Keynote प्रस्तुति यहाँ उपलब्ध है।

डेटासेट

इस प्रोजेक्ट के लिए उपयोग किया गया डेटासेट NetFlow V9 प्रारूप में है (Cisco द्वारा प्रलेखित, यहाँ उपलब्ध है)। इसमें दो फ़ाइलें शामिल हैं: train_net.csv और test_net.csv।

train_net.csv फ़ाइल इस बात की जानकारी प्रदान करती है कि कोई विशेष अलर्ट कब होने की संभावना है, जबकि test_net.csv फ़ाइल केवल परीक्षण उद्देश्यों के लिए उपयोग की जाती है और मॉडल प्रदर्शन का मूल्यांकन करने के लिए कोई लक्ष्य चर नहीं रखती है।

डेटासेट काफी बड़ा है:

  • train_net.csv: लगभग 4 मिलियन पैकेट (14'066 अद्वितीय नेटवर्क होस्ट से)
  • test_net.csv: लगभग 2 मिलियन पैकेट (6'186 अद्वितीय नेटवर्क होस्ट से)

डेटासेट की विशेषताएँ

  • FLOW_ID: प्रवाह के लिए एक अद्वितीय पहचानकर्ता
  • PROTOCOL_MAP: प्रवाह में उपयोग किए गए प्रोटोकॉल को दर्शाने वाला एक स्ट्रिंग, संभावित मानों में "ICMP", "TCP", "UDP", "IGMP", "GRE", "ESP", "AH", "EIGRP", "OSPF", "PIM", "IPV6-ICMP", "IPV6-IP", "IPV6-ROUTE", "IPV6-FRAG", "IPV6-NONXT", "IPV6-OPTS", और अन्य शामिल हैं।
  • L4_SRC_PORT: प्रवाह में स्रोत पोर्ट नंबर, संभावित मान 0 से 65535 तक होते हैं।
  • IPV4_SRC_ADDR: प्रवाह में स्रोत IPv4 पता, बिंदु-दशमलव संकेतन में स्ट्रिंग के रूप में दर्शाया गया (जैसे, "192.168.0.1")।
  • L4_DST_PORT: प्रवाह में गंतव्य पोर्ट नंबर, संभावित मान 0 से 65535 तक होते हैं।
  • IPV4_DST_ADDR: प्रवाह में गंतव्य IPv4 पता, बिंदु-दशमलव संकेतन में स्ट्रिंग के रूप में दर्शाया गया (जैसे, "192.168.0.2")।
  • FIRST_SWITCHED: वह समय जब प्रवाह शुरू हुआ, युग (1 जनवरी, 1970) के बाद से सेकंड में मापा गया।
  • FLOW_DURATION_MILLISECONDS: मिलीसेकंड में प्रवाह की अवधि।
  • LAST_SWITCHED: वह समय जब प्रवाह समाप्त हुआ, युग (1 जनवरी, 1970) के बाद से सेकंड में मापा गया।
  • PROTOCOL: प्रवाह में उपयोग किया गया प्रोटोकॉल, संभावित मानों में 1 (ICMP), 6 (TCP), 17 (UDP), और अन्य शामिल हैं।
  • TCP_FLAGS: प्रवाह में सेट किए गए TCP फ़्लैग, बाइनरी स्ट्रिंग के रूप में दर्शाए गए (जैसे, "100101")।
  • TCP_WIN_MAX_IN: आने वाले ट्रैफ़िक के लिए अधिकतम विज्ञापित विंडो आकार (बाइट्स में)।
  • TCP_WIN_MAX_OUT: बाहर जाने वाले ट्रैफ़िक के लिए अधिकतम विज्ञापित विंडो आकार (बाइट्स में)।
  • TCP_WIN_MIN_IN: आने वाले ट्रैफ़िक के लिए न्यूनतम विज्ञापित विंडो आकार (बाइट्स में)।
  • TCP_WIN_MIN_OUT: बाहर जाने वाले ट्रैफ़िक के लिए न्यूनतम विज्ञापित विंडो आकार (बाइट्स में)।
  • TCP_WIN_MSS_IN: आने वाले ट्रैफ़िक के लिए अधिकतम सेगमेंट आकार (बाइट्स में)।
  • TCP_WIN_SCALE_IN: आने वाले ट्रैफ़िक के लिए विंडो स्केल कारक।
  • TCP_WIN_SCALE_OUT: बाहर जाने वाले ट्रैफ़िक के लिए विंडो स्केल कारक।
  • SRC_TOS: स्रोत IP पते के लिए Type of Service (ToS) मान।
  • DST_TOS: गंतव्य IP पते के लिए Type of Service (ToS) मान।
  • TOTAL_FLOWS_EXP: अपेक्षित प्रवाहों की कुल संख्या।
  • MIN_IP_PKT_LEN: प्रवाह में IP पैकेट की न्यूनतम लंबाई (बाइट्स में)।
  • MAX_IP_PKT_LEN: प्रवाह में IP पैकेट की अधिकतम लंबाई (बाइट्स में)।
  • TOTAL_PKTS_EXP: प्रवाह में अपेक्षित पैकेटों की कुल संख्या।
  • TOTAL_BYTES_EXP: प्रवाह में अपेक्षित बाइट्स की कुल संख्या।
  • IN_BYTES: प्रवाह में प्राप्त बाइट्स की संख्या।
  • IN_PKTS: प्रवाह में प्राप्त पैकेटों की संख्या।
  • OUT_BYTES: प्रवाह में भेजे गए बाइट्स की संख्या।
  • OUT_PKTS: प्रवाह में भेजे गए पैकेटों की संख्या।
  • ANALYSIS_TIMESTAMP: वह समय जब प्रवाह का विश्लेषण किया गया, युग (1 जनवरी, 1970) के बाद से सेकंड में मापा गया।
  • ANOMALY: एक बाइनरी फ़्लैग जो दर्शाता है कि प्रवाह में कोई विसंगति है या नहीं (1 = सत्य, 0 = असत्य)।
  • ALERT: (केवल प्रशिक्षण सेट में उपलब्ध) वर्तमान प्रवाह पर पता लगाए गए हमले का प्रकार। ये संभावित मान हैं:
    • कोई नहीं: कोई हमला नहीं पाया गया
    • पोर्ट स्कैनिंग: प्रवाह एक पोर्ट स्कैनिंग हमला है
    • डिनायल ऑफ सर्विस: प्रवाह एक DoS हमला है
    • मैलवेयर: प्रवाह एक मैलवेयर हमला है
  • ID: प्रवाह के लिए एक अद्वितीय पहचानकर्ता।

डेटासेट के लेखक

Maria-Elena Mihailescu, Darius Mihai, Mihai Carabas, Mikolaj Komisarek, Marek Pawlicki, Witold Holubowicz, Rafal Kozik: RoEduNet-SIMARGL2021 Network Intrusion Detection Dataset का प्रस्ताव और मूल्यांकन। Sensors 21(13): 4319 (2021)

Kaggle लिंक

टूल डाउनलोड करें