Классификатор аномального трафика для NDA: точность 96%

Задача

Требовалось подготовить данные сетевого трафика для моделей машинного обучения и создать классификаторы, способные выявлять аномалии, связанные с сетевыми сканированиями.

Решение

С помощью Zeek и Mininet собраны безвредный и вредоносный трафик, данные агрегированы и преобразованы в формат ARFF. В Weka обучены классификаторы «таблица решений» и «дерево решений», после сравнения выбрана таблица решений с точностью 96%.