基于机器学习的恶意请求识别Python代码及数据集KDD CUP99数据集KNN入侵攻击检测

这是作者恶意代码分析、网络安全、系统安全等系列教程，主要是通过机器学习、人工智能和深度学习来分析恶意代码的在线笔记。希望对您有所帮助，学无止境，一起加油。

## 第一个案例：通过机器学习来识别恶意代码
LogisticsRegression-WebURL - 数据集及实验

基本思路如下：
- 读取正常请求和恶意请求数据集，预处理设置类标y和数据集x
- 通过N-grams处理数据集，并构建TF-IDF特征矩阵，每个请求对应矩阵的一行数据
- 数据集拆分为训练数据和测试数据
- 使用机器学习逻辑回归算法对特征矩阵进行训练，得出对应的模型
- 使用训练的模型对 未知URL请求进行检测，判断其是恶意请求或正常请求


## 第二个案例：KDD CUP99数据集 KNN入侵攻击检测

KDD_CUP99_KNN_Attack - KNN数据分析  <br />
KDD_CUP99_KNN_Preprocess - 数据预处理&KNN分析 <br />
KDD_CUP_1999_AllData - 完整数据集  <br />