PettyBambi/Capstone-Project-Hybrid-Approach-to-NIDS

GitHub: PettyBambi/Capstone-Project-Hybrid-Approach-to-NIDS

结合Snort规则引擎与机器学习、深度学习算法构建的混合入侵检测原型，旨在解决传统检测系统误报率高且难以发现罕见IP欺骗攻击的问题。

Stars: 0 | Forks: 0

# 毕业设计项目 - NIDS 混合方法本项目专注于结合机器学习（Random Forest）和深度学习（Autoencoder）来增强入侵检测。其目标是利用 CICIDS2017 和 CIC IoT-DIAD 2024 等基准数据集，降低误报率并提升对罕见攻击的检测能力。

标签：0day防御, AMSI绕过, Apex, BSD, Capstone项目, CICIDS2017, CIC IoT-DIAD 2024, CISA项目, IoT安全, IP 地址批量处理, IP欺骗攻击, NIDS, 入侵检测系统, 分类器, 基于规则的检测, 威胁检测, 安全数据湖, 容器化, 异常检测, 数据挖掘, 机器学习, 毕业设计项目, 深度学习, 混合入侵检测, 物联网安全, 特征工程, 稀有攻击检测, 网络安全, 网络安全实验室, 网络安全数据集, 网络流量分析, 自编码器, 误报率降低, 逆向工具, 随机森林, 隐私保护