codewithzichao / Intrusion-Detection-on-NSL-KDD

Unofficial repo of the research paper ”An Intrusion Detection System Using a Deep Neural Network with Gated Recurrent Units“. Developed using Keras, the deep learning model uses GRU / MLP.

Intrusion-Detection-on-NSL-KDD

本项目复现论文《An Intrusion Detection System Using a Deep Neural Network with Gated Recurrent Units》（DOI：10.1109/ACCESS.2018.DOI）

注意本人不是论文原作者！

Note that I am not the original author of the paper!

代码基于Keras编写。

基于Docker的配置（非必须）

使用Docker：

https://hub.docker.com/r/gw000/keras

对应tag：:2.1.4-py3-tf-gpu

转换为本地docker：keras-py3-tf-gpu:2.1.4

CPU：

$ docker run -it --rm -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py

GPU：(数据集较小，不需要）

$ docker run -it --rm $(ls /dev/nvidia* | xargs -I{} echo '--device={}') $(ls /usr/lib/*-linux-gnu/{libcuda,libnvidia}* | xargs -I{} echo '-v {}:{}:ro') -v $(pwd):/srv gw000/keras:2.1.4-py3-tf-gpu /srv/run.py

数据集：

NSL_KDD:（见NSL-KDD目录）

https://www.unb.ca/cic/datasets/nsl.html

可以参考这篇介绍文章：

https://towardsdatascience.com/a-deeper-dive-into-the-nsl-kdd-data-set-15c753364657

使用方法（Usage）：

python3 run.py

请注意确保tensorflow、sklearn、keras、numpy等依赖均已安装。另外，运行test_keras.py可以测试Keras工作是否正常，运行check_tf_version.py可以测试tensorflow版本，当前运行版本为1.5.0。utils.ipynb是jupyter文档，用于开发过程中的实验环境。

实验结果：

20个Epoch情况下，Accuracy为98%+，使用Dropout后略低(96%)。

如有任何问题，可以邮件联系：heyu#bupt.edu.cn。论文中的问题请联系论文原作者。