Marco Liu1. 项目背景与核心价值
在当今数字化时代，网络安全威胁呈现爆发式增长态势。根据最新行业报告显示，全球范围内恶意流量攻击事件年增长率超过35%，传统基于规则库的检测方法已难以应对日益复杂的攻击手段。我的毕业设计选择"基于机器学习的恶意流量识别检测"作为研究方向，正是看中了机器学习在异常检测领域的独特优势。
这个项目的核心价值在于构建一个能够自主学习恶意流量特征的智能检测系统。与传统的特征匹配方式不同，机器学习模型可以自动发现流量数据中的异常模式，识别出那些尚未被记录在特征库中的新型攻击。我在实际测试中发现，即便是简单的随机森林模型，对未知攻击类型的检测准确率也能比传统方法高出20%以上。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术方案选型与对比
2.1 数据集准备与处理
项目初期最大的挑战是获取高质量的恶意流量数据集。经过多方比较，我最终选择了CICIDS2017和UNSW-NB15这两个公开数据集。它们不仅包含常见的DDoS、端口扫描等攻击类型，还涵盖了近年来新兴的Web应用层攻击。
数据预处理环节我采用了以下关键步骤：
- 特征工程：从原始pcap文件中提取了78个网络流量特征，包括包长度统计量、流量时序特征、协议分布等
- 数据清洗：使用中位数填充缺失值，对数值型特征进行标准化处理
- 类别平衡：通过SMOTE算法对少数类样本进行过采样
特别注意：原始数据集中正常流量占比过高（约80%），直接训练会导致模型偏向于预测正常流量。我通过调整类别权重解决了这个问题。
2.2 模型选型与优化
我对比测试了五种主流机器学习算法：
| 模型类型 | 准确率 | 召回率 | 训练时间 | 适用场景 |
|---|---|---|---|---|
| 随机森林 | 96.2% | 95.8% | 中等 | 通用场景 |
| XGBoost | 97.1% | 96.5% | 较长 | 高精度需求 |
| 逻辑回归 | 89.3% | 88.7% | 短 | 快速部署 |
| SVM | 92.6% | 91.4% | 长 | 小数据集 |
| 神经网络 | 96.8% | 96.2% | 很长 | 复杂特征 |
最终选择XGBoost作为核心模型，因其在准确率和召回率上的均衡表现。通过贝叶