daniyal3029/Network-Intrusion-Detection-UNSW-NB15-Ensemble

# 🚀 UNSW-NB15 入侵检测系统 (IDS) — 通过集成与堆叠进行改进 ### 👨‍💻 作者: Daniyal Hyder ### 📊 项目类型: Data Science / Machine Learning ### 🎯 任务: 研究论文改进 (2025–2026) # 📌 概述 本项目基于以下研究论文，实现并**显著改进**了一个基于机器学习的入侵检测系统 (IDS)： 🔗 [Frontiers in Computer Science (2025)](https://www.frontiersin.org/journals/computer-science/articles/10.3389/fcomp.2025.1520741/full) 使用的 **UNSW-NB15 dataset**： 🔗 [UNSW-NB15 数据集](https://research.unsw.edu.au/projects/unsw-nb15-dataset) # 🎯 目标 ✔ 复现论文中的基线 IDS ✔ 识别独立模型的局限性 ✔ 应用 **Advanced Ensemble Stacking** 与 **Bayesian Optimization** ✔ 实现 **90.10% 的准确率**（比基线提高了 +3%） # 🏗️ 系统工作流 我们改进的流水线采用多层堆叠架构，将原始网络数据转化为高精度的安全警报。  # 📈 最终结果对比 | 指标 | 基线论文 | 本项目 | 提升 | | :--- | :---: | :---: | :---: | | **Accuracy** | ~87.0% | **90.10%** | 🟢 **+3.10%** | | **F1-Score** | ~0.896 | **0.915** | 🟢 **+0.019** | | **ROC-AUC** | ~0.900 | **0.983** | 🟢 **+0.083** | # 📁 项目文档 如需深入了解技术细节和性能分析，请参阅以下文档： 1. 📄 **[差异日志](difference_log.md)**：基线与我们改进方案的详细对比，包含逐步的消融研究。 2. 📄 **[IEEE 格式报告](report/IEEE_Report.md)**：一份遵循 IEEE 标准的完整研究报告，包含 SHAP/LIME 分析。 # 📁 项目结构 ``` ├── Improved_IDS_UNSW_NB15.ipynb # Main Research Notebook ├── README.md # Project Overview ├── difference_log.md # Performance Comparison & Workflow └── report/ ├── IEEE_Report.md # Professional IEEE Report └── images/ # Extracted Plots & Diagrams ├── workflow_diagram.png # System Architecture ├── ablation_study_bars.png # Improvement Stages ├── roc_pr_comparison.png # Performance Curves ├── shap_importance.png # Global Interpretability └── lime_explanation.png # Local Interpretability ``` # ⚙️ 使用的技术 * **Python 3.12** * **集成模型**: XGBoost, LightGBM, CatBoost * **优化**: Optuna (贝叶斯优化) * **平衡**: SMOTETomek * **XAI**: SHAP, LIME # 🎓 结论 本项目证明了适当的工程改进——特别是 **Ensemble Stacking** 和 **Decision Threshold Optimization** ——可以显著提升机器学习系统在网络安全环境中的可靠性。 # 🚀 最终声明 **这项工作利用实用的数据科学技术，将一个基础的 IDS 转化为了一个高性能、可投入生产的系统。** # ⭐ 如果您喜欢这个项目，请考虑为本仓库加星！

标签：AMSI绕过, Apex, BSD, F1-Score, LIME分析, Python, ROC-AUC, SHAP分析, Stacking, UNSW-NB15数据集, 入侵检测系统, 准确率提升, 分类算法, 堆叠模型, 威胁检测, 安全数据湖, 异常检测, 数据挖掘, 数据科学, 无后门, 机器学习, 模型优化, 深度学习, 特征工程, 科研复现, 网络安全, 网络流量分析, 贝叶斯优化, 资源验证, 逆向工具, 隐私保护, 集成学习