ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

kddcup99

  • รายละเอียด:

นี่คือชุดข้อมูลที่ใช้สำหรับการแข่งขัน The Third International Knowledge Discovery and Data Mining Tools ซึ่งจัดขึ้นร่วมกับ KDD-99 The Fifth International Conference on Knowledge Discovery and Data Mining งานการแข่งขันคือการสร้างตัวตรวจจับการบุกรุกเครือข่าย ซึ่งเป็นแบบจำลองการคาดการณ์ที่สามารถแยกแยะระหว่างการเชื่อมต่อที่ "แย่" ที่เรียกว่าการบุกรุกหรือการโจมตี และการเชื่อมต่อปกติที่ "ดี" ฐานข้อมูลนี้มีชุดข้อมูลมาตรฐานที่จะตรวจสอบ ซึ่งรวมถึงการจำลองการบุกรุกที่หลากหลายในสภาพแวดล้อมเครือข่ายทางการทหาร

แยก ตัวอย่าง
'test' 311,029
'train' 4,898,431
  • คุณสมบัติ:
FeaturesDict({
    'count': tf.int32,
    'diff_srv_rate': tf.float32,
    'dst_bytes': tf.int32,
    'dst_host_count': tf.int32,
    'dst_host_diff_srv_rate': tf.float32,
    'dst_host_rerror_rate': tf.float32,
    'dst_host_same_src_port_rate': tf.float32,
    'dst_host_same_srv_rate': tf.float32,
    'dst_host_serror_rate': tf.float32,
    'dst_host_srv_count': tf.int32,
    'dst_host_srv_diff_host_rate': tf.float32,
    'dst_host_srv_rerror_rate': tf.float32,
    'dst_host_srv_serror_rate': tf.float32,
    'duration': tf.int32,
    'flag': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
    'hot': tf.int32,
    'is_guest_login': tf.bool,
    'is_hot_login': tf.bool,
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=40),
    'land': tf.bool,
    'logged_in': tf.bool,
    'num_access_files': tf.int32,
    'num_compromised': tf.int32,
    'num_failed_logins': tf.int32,
    'num_file_creations': tf.int32,
    'num_outbound_cmds': tf.int32,
    'num_root': tf.int32,
    'num_shells': tf.int32,
    'protocol_type': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    'rerror_rate': tf.float32,
    'root_shell': tf.bool,
    'same_srv_rate': tf.float32,
    'serror_rate': tf.float32,
    'service': ClassLabel(shape=(), dtype=tf.int64, num_classes=71),
    'src_bytes': tf.int32,
    'srv_count': tf.int32,
    'srv_diff_host_rate': tf.float32,
    'srv_rerror_rate': tf.float32,
    'srv_serror_rate': tf.float32,
    'su_attempted': tf.int32,
    'urgent': tf.int32,
    'wrong_fragment': tf.int32,
})
  • อ้างอิง:
@misc{Dua:2019 ,
  author = "Dua, Dheeru and Graff, Casey",
  year = 2017,
  title = "{UCI} Machine Learning Repository",
  url = "http://archive.ics.uci.edu/ml",
  institution = "University of California, Irvine, School of Information and
Computer Sciences"
}