该异常检测系统的源代码基于LANL和CERT的数据集进行解析（参考GitHub存储库：https://github.com/pnnl/safekit）。

写在前面

最近参与了一个异常检测项目的实践工作，在实践中采用了LANL数据集作为基础数据来源，并成功获取了一份基于LANL与CERT联合数据集构建的异常检测实践案例库资源包。为了深入理解其中的工作原理与实现细节，在项目过程中投入了一定的时间对相关源代码进行了系统性学习与分析，并将这一阶段的学习成果进行了总结与整理。

源代码

该源代码库的地址位于：https://github.com/pnnl/safekit。基于此开源代码库构建了两个相关研究方向：一是基于循环神经网络的语言模型用于高保真率地检测网络级别的异常事件；二是通过深度学习技术实现对结构化网络安全数据流中潜在内部威胁的有效识别。如需深入了解相关内容可访问该资源进行学习。

代码结构

代码结构如下：
|—data_examples 存放原始LANL和CERT数据集处理后得到的特征值数据
|—cert 存放cert处理后得到的特征
|—lanl 存放lanl处理后得到的特征
|—agg_feats 应该是对应DNN模型的特征
|—lm_feats 应该是对应LSTM模型的特征
|—docs 这部分目前还没看
|—examples 存放了几个DNN和LSTM的实践ipynb代码
|—dnn_agg.ipynb 基于LANL的数据构建的DNN实践代码
|—LANL_LM_