【keras】KDD99 数据集数据处理与BP神经网络实现

有关KDD99数据集的介绍请移步：KDD CUP 99数据集

有关KDD99数据集的预处理请移步：KDD CUP99数据集预处理

有关keras网络结构可视化环境的配置请移步：Keras中网络可视化模块安装配置

本文主要介绍如何利用sklearn自动下载KDD99数据集，并对其进行数据预处理，sklearn中已经将数据进行了预处理，但是，仍然需要进一步处理。其中，包括对输入的离散数据进行处理，对标签进行onehot编码，训练集和测试集的划分等。

'''
Created on 2019年2月15日

@author: Administrator
'''

from sklearn.datasets import kddcup99
from keras.models import Sequential
from keras.layers.core import Dense
from keras.optimizers import SGD
from keras.utils import to_categorical  
from keras.utils.vis_utils import plot_model

#定义kdd99数据预处理函数
def preHandel_data(data_source):
    data = data_source;
    for i in range(data_source.shape[0]):
        row = data_source[i];            #获取数据
        data[i][1]=handleProtocol(row)   #将源文件行中3种协议类型转换成数字标识
        data[i][2]=handleService(row)    #将源文件行中70种网络服务类型转换成数字标识
        data[i][3]=handleFlag(row)       #将源文件行中11种网络连接状态转换成数字标识
    return data;

def preHandel_target(target_data_source):
    target = target_data_source;
    for i in range(target_data_source.shape[0]):
        row = target_data_source[i];
        target[i]=handleLabel(row)        #将源文件行中23种攻击类型转换成数字标识
    return to_categorical(target);
 
#定义将源文件行中3种协议类型转换成数字标识的函数
def handleProtocol(input):
    protocol_list=['tcp','udp','icmp']
    tmp = bytes.decode(input[1])
    if tmp in protocol_list:
        return protocol_list.index(tmp);
 
#定义将源文件行中70种网络服务类型转换成数字标识的函数
def handleService(input):
    service_list=['aol','auth','bgp','courier','csnet_ns','ctf','daytime','discard','domain','domain_u',
                 'echo','eco_i','ecr_i','efs','exec','finger','ftp','ftp_data','gopher','harvest','hostnames',
                 'http','http_2784','http_443','http_8001','imap4','IRC','iso_tsap','klogin','kshell','ldap',
                 'link','login','mtp','name','netbios_dgm','netbios_ns','netbios_ssn','netstat','nnsp','nntp',
                 'ntp_u','other','pm_dump','pop_2','pop_3','printer','private','red_i','remote_job','rje','shell',
                 'smtp','sql_net','ssh','sunrpc','supdup','systat','telnet','tftp_u','tim_i','time','urh_i','urp_i',
                 'uucp','uucp_path','vmnet','whois','X11','Z39_50'];
    tmp = bytes.decode(input[2]);
    if tmp in service_list:
        return service_list.index(tmp);
 
#定义将源文件行中11种网络连接状态转换成数字标识的函数
def handleFlag(input):
    flag_list=['OTH','REJ','RSTO','RSTOS0','RSTR','S0','S1','S2','S3','SF','SH']
    tmp = bytes.decode(input[3])
    if tmp in flag_list:
        return flag_list.index(tmp);
 
#定义将源文件行中攻击类型转换成数字标识的函数(训练集中共出现了22个攻击类型，而剩下的17种只在测试集中出现)
def handleLabel(label):
    label_list=['normal.', 'buffer_overflow.', 'loadmodule.', 'perl.', 'neptune.', 'smurf.',
     'guess_passwd.', 'pod.', 'teardrop.', 'portsweep.', 'ipsweep.', 'land.', 'ftp_write.',
     'back.', 'imap.', 'satan.', 'phf.', 'nmap.', 'multihop.', 'warezmaster.', 'warezclient.',
     'spy.', 'rootkit.']
    tmp = bytes.decode(label)
    if tmp in label_list:
        return label_list.index(tmp)

if __name__ == '__main__':
    # 下载数据集
    dataset = kddcup99.fetch_kddcup99();    
    data = dataset.data;
    label = dataset.target;
    
    # 数据预处理
    data = preHandel_data(data);
    label = preHandel_target(label);                #进行OneHot编码    
    input_data_train_set = data[0:300000];
    target_data_train_set = label[0:300000];
    input_data_test_set = data[300000::];
    target_data_test_set = label[300000::];    
    
    # 建立顺序神经网络层次模型
    model = Sequential();  
    model.add(Dense(40, input_dim=41, init='uniform', activation='relu'));
    model.add(Dense(40, init='uniform', activation='relu'));
    model.add(Dense(23, init='uniform', activation='softmax'));      #通过softmax函数将结果映射到23维空间
    
    sgd = SGD(lr=0.01)
    model.compile(loss='mse', optimizer=sgd, metrics=['accuracy']);
    model.fit(input_data_train_set, target_data_train_set, nb_epoch=12, batch_size=128);
        
    # 将测试集输入到训练好的模型中，查看测试集的误差
    loss,accuracy = model.evaluate(input_data_test_set, target_data_test_set, batch_size=128);    
    print(loss,accuracy);
    
    # 神经网络可视化
    plot_model(model, to_file='E:/model.png',show_shapes=True)

网络的结构如下图所示：

损失率和预测准确率

0.0009260619293308965 0.9890939640554373

【keras】KDD99 数据集数据处理与BP神经网络实现

猜你喜欢