nsol-nmsu/fml-network
FLNET2023 फ़ेडरेटेड लर्निंग परिदृश्यों में घुसपैठ का पता लगाने के लिए डिज़ाइन किया गया एक डेटासेट है। इसे CORE इम्यूलेटर का उपयोग करके बनाया गया है, जो विविध ट्रैफ़िक और हमलों के साथ एक यथार्थवादी नेटवर्क का अनुकरण करता है। यह फ़ेडरेटेड लर्निंग-आधारित घुसपैठ का पता लगाने में अनुसंधान के लिए एक बेंचमार्क के रूप में कार्य करता है।
FLNET2023, विशेष रूप से Federated Learning अनुप्रयोगों के लिए, घुसपैठ पहचान प्रणालियों के लिए एक अत्याधुनिक बेंचमार्क डेटासेट है। CORE एमुलेटर का उपयोग करके उत्पन्न, यह एक यथार्थवादी नेटवर्क टोपोलॉजी और विविध प्रकार के ट्रैफ़िक और हमलों को शामिल करता है। FLNET2023 का उद्देश्य फेडरेटेड लर्निंग आधारित नेटवर्क घुसपैठ पहचान में मजबूत अनुसंधान को प्रोत्साहित करना है।
Common Open Research Emulator CORE एक या अधिक मशीनों पर नेटवर्क का अनुकरण करने का एक उपकरण है। आप इन अनुकरणित नेटवर्कों को लाइव नेटवर्कों से जोड़ सकते हैं। CORE में हल्के वर्चुअल मशीनों के टोपोलॉजी बनाने के लिए एक GUI और नेटवर्क अनुकरण के लिए स्क्रिप्टिंग के लिए Python मॉड्यूल शामिल हैं।
यह डेटासेट The Internet Topology Zoo से प्राप्त GEANT-2012 नेटवर्क टोपोलॉजी पर आधारित है। यह वास्तविक दुनिया की टोपोलॉजी एक बड़े पैमाने के नेटवर्क बुनियादी ढांचे का प्रतिनिधित्व करती है, जो इंटरनेट सेवा प्रदाताओं (ISPs) में पाए जाने वाले समान है, जिसमें 40 नोड्स हैं, प्रत्येक विशिष्ट स्थानों या कार्यों की सेवा करने वाले प्राथमिक राउटर का प्रतिनिधित्व करता है। टोपोलॉजी को Common Open Research Emulator (CORE) के अंदर दोहराया गया था, जहाँ नेटवर्क ट्रैफ़िक डेटा दस रणनीतिक रूप से चयनित राउटर नोड्स से एकत्र किया गया था, जिन्हें {D1, D2, D3, ..., D10} लेबल किया गया है, जैसा कि आप नीचे दिए गए चित्र में देख सकते हैं। ये नोड नेटवर्क के विभिन्न भागों को कवर करते हैं और विविध और यथार्थवादी डेटा सेट प्रदान करने के लिए चुने गए थे।
FLNET2023 में सामान्य और दुर्भावनापूर्ण नेटवर्क ट्रैफ़िक का एक व्यापक मिश्रण शामिल है, जो नेटवर्क इंटरैक्शन का एक यथार्थवादी दृश्य प्रदान करता है। डेटासेट में कई सामान्य नेटवर्क प्रोटोकॉल जैसे HTTP, TCP, UDP और ICMP शामिल हैं।
| हमला | अवधि | पीपीएस | आकार |
|---|---|---|---|
| Normal-D1 | 278.38 min | 6.23 pk/s | 257 MB |
| Normal-D2 | 278.85 min | 5.41 pk/s | 222 MB |
| Normal-D3 | 304.44 min | 10.68 pk/s | 46.4 MB |
| Normal-D4 | 295.77 min | 2.17 pk/s | 305 MB |
| Normal-D5 | 262.38 min | 8.06 pk/s | 225 MB |
| Normal-D6 | 284.33 min | 12.16 pk/s | 388 MB |
| Normal-D7 | 294.77 min | 19.02 pk/s | 665 MB |
| Normal-D8 | 294.77 min | 13.43 pk/s | 507 MB |
| Normal-D9 | 286.45 min | 8.08 pk/s | 464 MB |
| Normal-D10 | 313.83 min | 23.71 pk/s | 1.23 GB |
| DoS-hulk-D2 | 11.38 min | 576 pk/s | 8.2 GB |
| DoS-hulk-D4 | 10.36 min | 622 pk/s | 8.4 GB |
| DoS-hulk-D6 | 10 min | 674 pk/s | 8.5 GB |
| DoS-hulk-D7 | 10 min | 375 pk/s | 4.6 GB |
| DoS-hulk-D8 | 8.73 min | 376 pk/s | 4.6 GB |
| DoS-slowhttp-D1 | 4.02 min | 43 pk/s | 23.4 MB |
| DoS-slowhttp-D2 | 4.37 min | 21 pk/s | 8.8 MB |
| DoS-slowhttp-D3 | 8.02 min | 49 pk/s | 48.7 MB |
| DoS-slowhttp-D4 | 8.02 min | 40.5 pk/s | 44.1 MB |
| DoS-slowhttp-D8 | 4.42 min | 28 pk/s | 10.0 MB |
| DoS-slowhttp-D9 | 4.02 min | 31 pk/s | 19.7 MB |
| DoS-slowhttp-D10 | 4.27 min | 44 pk/s | 19.7 MB |
| DDoS-bot-D1 | 5 min | 292 pk/s | 16.4 GB |
| DDoS-stomp-D5 | 5 min | 1298 pk/s | 41.2 GB |
| DDoS-dyn-D9 | 10 min | 538 pk/s | 25.2 GB |
| DDoS-tcp-D10 | 5 min | 3102 pk/s | 76.6 GB |
| Web-sql-injection-D3 | 25.2 sec | 8 pk/s | 4.7 MB |
| Web-sql-injection-D4 | 22.2 sec | 10 pk/s | 4.7 MB |
| Web-command-injection-D1 | 2.00 min | 2 pk/s | 1.4 MB |
| Web-xss-D2 | 45 sec | 34 pk/s | 3.0 MB |
| Web-xss-D4 | 4.98 sec | 305 pk/s | 6.1 MB |
| Infiltration-mitm-D1 | 25.47 min | 1.53 pk/s | 33.3 MB |
| Infiltration-mitm-D2 | 52.35 min | 1.53 pk/s | 22.3 MB |
| Infiltration-mitm-D3 | 24.93 min | 1.53 pk/s | 31.3 MB |
| Infiltration-mitm-D4 | 24.08 min | 1.53 pk/s | 10.9 MB |
| Infiltration-mitm-D5 | 52.47 min | 1.53 pk/s | 78.8 MB |
| Infiltration-mitm-D7 | 31.98 min | 2.48 pk/s | 79.9 MB |
| Infiltration-mitm-D9 | 51.78 min | 1.53 pk/s | 80.9 MB |
| Infiltration-mitm-D10 | 22.95 min | 1.53 pk/s | 35.3 MB |
FLNET2023 में प्रत्येक उदाहरण को सावधानीपूर्वक लेबल किया गया है, जो इसके द्वारा प्रस्तुत नेटवर्क प्रवाह के बारे में बहुमूल्य जानकारी प्रदान करता है। लेबल न केवल यह निर्धारित करते हैं कि कोई दिया गया उदाहरण सामान्य है या दुर्भावनापूर्ण, बल्कि यदि कोई हो तो हमले के प्रकार के बारे में विशिष्ट विवरण भी प्रदान करते हैं। ये लेबल घुसपैठ पहचान मॉडलों के प्रशिक्षण और परीक्षण के कार्य को काफी सरल बनाते हैं।
FLNET2023 डेटासेट में चार प्रकार के DDoS हमले शामिल हैं - DDoS-dyn, DDoS-stomp, DDoS-bot और DDoS-tcp - जो सामान्यतः वास्तविक दुनिया के नेटवर्क परिदृश्यों में देखे जाते हैं। यह स्वीकार करते हुए कि नेटवर्क वातावरण में खतरे DDoS से परे हैं, हमारे डेटासेट में DoS-slowhttp और Infiltration-mitm जैसे अन्य हमलों के प्रकार शामिल हैं। इसमें Command Injection, XSS और SQL Injection सहित वेब-आधारित हमले भी शामिल हैं। इन विविध हमलों के प्रकारों को शामिल करने से डेटासेट की यथार्थता बढ़ती है और वास्तविक नेटवर्क खतरे के परिदृश्यों के साथ इसका संरेखण सुनिश्चित होता है।
FLNET2023 डेटासेट एक व्यापक फीचर सेट प्रदान करता है, जो प्रत्येक नेटवर्क प्रवाह के बारे में विस्तृत जानकारी प्रदान करता है। इन फीचर्स में स्रोत और गंतव्य IP पते, पोर्ट नंबर, पैकेट लंबाई और टाइमस्टैम्प शामिल हैं। फीचर्स को CICFLOWMeter टूल का उपयोग करके निकाला जाता है। इसके अतिरिक्त, यदि आप अपने स्वयं के फीचर एक्सट्रैक्टर टूल का उपयोग करना चाहते हैं तो हमने PCAP फ़ाइलें भी प्रदान की हैं।
FLNET2023 में प्रत्येक उदाहरण के बारे में समृद्ध मेटाडेटा शामिल है, जो अतिरिक्त संदर्भ प्रदान करता है और डेटा व्याख्या में सहायता करता है। मेटाडेटा में राउटर और उनके IP पतों के बारे में विवरण शामिल हैं, जो डेटासेट की व्यापक समझ और घुसपैठ पहचान मॉडलों के प्रभावी विकास और मूल्यांकन के लिए महत्वपूर्ण जानकारी है।
डेटासेट को विभिन्न प्रकार के नेटवर्क हमलों और सामान्य ट्रैफ़िक के आधार पर फ़ोल्डरों में विभाजित किया गया है। प्रत्येक हमले के प्रकार, सामान्य ट्रैफ़िक के साथ, का अपना समर्पित फ़ोल्डर है जिसका नाम तदनुसार रखा गया है: DDoS, DoS, Infiltration, Normal, Web, और TEST।
इनमें से प्रत्येक फ़ोल्डर के अंदर, दो उपफ़ोल्डर हैं: CSV और PCAP।
CSV फ़ोल्डर: इस फ़ोल्डर में प्रत्येक क्लाइंट के लिए एकत्र किया गया डेटा CSV प्रारूप में होता है। प्रत्येक फ़ाइल का नाम Dataset-<ClientNumber>-<TrafficType>.csv नियम का उपयोग करके रखा गया है। उदाहरण के लिए:
Dataset-10-TCP.csv: इस फ़ाइल में क्लाइंट 10 के लिए TCP ट्रैफ़िक डेटा है।Dataset-1-BOT.csv: इस फ़ाइल में क्लाइंट 1 के लिए BOT ट्रैफ़िक डेटा है।कुछ फ़ोल्डरों में जहाँ केवल एक प्रकार का हमला है, वहाँ डेटासेट का नाम Dataset-<ClientNumber>.csv नियम का उपयोग करके रखा गया है, बिना ट्रैफ़िक प्रकार निर्दिष्ट किए। उदाहरण के लिए:
/Infiltration/CSV/Dataset-1.csv: इस फ़ाइल में क्लाइंट 1 के लिए घुसपैठ हमले का डेटा है।PCAP फ़ोल्डर: इस फ़ोल्डर में प्रत्येक क्लाइंट के लिए संबंधित पैकेट कैप्चर (PCAP) फ़ाइलें होती हैं, जिनका नाम CSV फ़ाइलों के समान होता है। उदाहरण के लिए:
Dataset-10-TCP.pcap: इस फ़ाइल में क्लाइंट 10 के TCP ट्रैफ़िक का पैकेट कैप्चर डेटा है।Dataset-1-BOT.pcap: इस फ़ाइल में क्लाइंट 1 के BOT ट्रैफ़िक का पैकेट कैप्चर डेटा है।