Anomaly Detection in Network Traffic using Entropy Time Series and BiLSTM

Описание проекта

Этот репозиторий содержит реализацию модели для обнаружения аномалий в сетевом трафике на основе энтропийных временных рядов и двунаправленной LSTM (BiLSTM).

Проект включает два основных модуля:

1. DataLoader.ipynb – загрузка и предварительная обработка данных сетевого трафика, вычисление энтропийных рядов для разных параметров скользящего окна и шага, а также генерация аномалий (имитация сетевых атак).

2. Network.ipynb – обучение модели BiLSTM на неразмеченных данных и тестирование её способности детектировать аномалии в заранее подготовленных рядах.

Ключевые особенности

1. Анализ энтропии сетевого трафика – вычисление энтропийных рядов для выявления изменений в распределении пакетов.

2. Генерация синтетических аномалий – добавление различных типов сетевых атак для проверки модели.

3. Модель BiLSTM – обучение на нормальном трафике и последующее обнаружение отклонений.

4. Автоэнкодерный подход – модель обучается реконструировать нормальный трафик, а аномалии определяются по высокой ошибке предсказания.