zstoimchev/bsc-thesis-2026

# **现代网络入侵检测系统的建模与理解** Obsius 热重载链接：[https://obsius.site/1q5t2k0m4k4c011z1651](https://obsius.site/1q5t2k0m4k4c011z1651) ## 概述 现有的 IDS/DDoS 模型通常报告非常高的准确率，但这些结果很大程度上受到数据集选择、预处理、特征表示、类别平衡以及训练/测试集划分的影响。因此，我将评估具有代表性的高性能 IDS 架构在统一、可复现且面向部署的评估流程下是否依然保持可靠。简而言之： 此代码库包含了我关于基于机器学习的网络入侵与 DDoS 检测的本科毕业论文的代码和文档。 本项目在统一的预处理、训练和评估条件下比较了多种模型，以检验它们在不同的数据集划分和外部流量上的性能可靠性。 - `codespace/` - 实现与实验 - `docs/` - 研究与支持文档

标签：Apex, DDoS防护, 机器学习, 模型评估, 网络安全, 论文, 逆向工具, 隐私保护