数据集
获取数据集的两个方案（网络异常流量）
一、自己配置虚拟机爬取数据（有条件的可以直接搞服务器上的数据）
缺点：很耗时而且爬的还没有什么普适性，电脑不行直接挂，我就是(￣▽￣)”
- 自己用NetMate，设置特征选择的数据，然后直接爬。
- 系统：linux，配置文件设置一下就可开始对爬取的数据做特征。
Net Mate官网 - 预安装软件： readline libpcap libxml2 libcurl openssl pthreads
二、用已经爬取好的强大数据集
缺点：不是自己的(￣▽￣)”
在经过一段长时间的寻觅后，我发现了它：KDDCUP1999的数据集，下面简要说一下它的内容和优势：
1.No.5 KDD CUP的预期目标是实现一个网络入侵检测系统（和我的目的一致(lll￢ω￢)）。
2.预测模型需要能够辨别出到底哪个是入侵或攻击的“BAD”连接还是正常的“GOOD”连接。
3.数据集包含一组标准的审计数据，包括在军事网模拟的各种攻击。数据集收集了9周时间的TCP dump网络连接和系统审计数据，仿真各种用户类型、各种不同的网络流量和攻击手段。（所以我觉得为什么不用它呢，虽然电脑还是可能会炸，但是我省去了爬数据的时间，毕竟7，000，000多数据）
数据处理
数据处理的方式应该也是两种
（不妥之处请见谅，我在思考论文的时候就按照机器学习的两个方面来的）
- 用决策树之类的有监督机器学习，避免不了标特征：分为哪些攻击？这些攻击是否可以再归类成几种大的异常类型？然后这些特征又得给起个啥好听的名字O(∩_∩)O天！想想都怕，好累。
- 用K-means等无监督方式，直接生成簇，不过我感觉是不太好使，毕竟这么大的计算量。
- 综上，基于攻击类型也挺清楚，数据集也是模拟出来的，数据量庞大，最终选择了C4.5决策树算法。
KDD CUP 1999数据集的特征分析：
（此处感谢Sal Stolfo教授和Wenke Lee教授的团队）
在经过特征分析后，数据中一共有4大类39种攻击类型，其中22种攻击类型出现在训练集，另17种只出现在测试集，为了评估模型的泛化能力。（用心良苦(￣▽￣)”）下面分别展开：
DoS（Denialof-Service attack，拒绝服务攻击）：
back，land，neptune，pod，smurf，teardropR2L（Remote-to-Local attack，来自远程主机的未授权访问）：
ftp-write，guess-passwd，imap，multihop，phf，spy，warezclient，warezmasterU2R（User-to-Root attack，未授权的本地超级用户特权访问）：
buffer-overflow，loadmodule，perl，rootkitPROBE（Probing attack，通过端口监视或扫描收集信息）：
ipsweep，nmap，portsweep，satan
KDD CUP 1999中每个连接的属性描述
（41种连接属性，1个类别属性）—-想想42个一个个打(￣▽￣)”stop！
数据集链接，点我可下，也有特征表述和属性表述
http://kdd.ics.uci.edu/databases/kddcup99/task.html
详细的解释，英语够好就行
KDD CUP 1999数据集预处理
我用的weka做处理，所以转ARFF文件，加42个头部(￣▽￣)”
名称介绍里都有，数据类型自定呀，我测试了好久，破机器也崩了好几次。
然后就可以用java写函数调用了！
（第一篇，请大家批评指正O(∩_∩)O）