jayaparashar03/iot-malware-detection-using-machine-learning

# 基于 Machine Learning 的 IoT 恶意软件检测 ## 概述 本项目使用 Machine Learning 在 IoT-23 数据集上检测 IoT 设备中的恶意活动。 该系统对网络流量进行预处理，提取相关特征，训练多个分类器，并使用标准的 machine learning 指标评估其性能。 ## 数据集 IoT-23 数据集 来源： https://www.stratosphereips.org/datasets-iot23 描述： IoT-23 数据集包含在良性和恶意场景下从 IoT 设备捕获的真实网络流量。它广泛用于 IoT 入侵检测和恶意软件检测研究。 引用： Parra, G., et al. "IoT-23: A Labeled Dataset with Malicious and Benign IoT Network Traffic." Stratosphere Laboratory, Czech Technical University. ## Machine Learning 模型 - Decision Tree - Random Forest - XGBoost ## 功能 - 数据预处理 - 特征工程 - 类别不平衡处理 - 模型训练 - 模型评估 - SHAP 可解释性 - 阈值调优 ## 技术栈 - Python - Pandas - NumPy - Scikit-learn - XGBoost - Matplotlib - SHAP ## 结果 - 准确率评估 - 精确率 - 召回率 - F1-score - ROC-AUC - 混淆矩阵 - SHAP 特征重要性 ## 作者 Jaya Parashar NIT Srinagar

标签：Apex, Python, 无后门, 机器学习, 物联网, 网络流量分析, 逆向工具