How samou2/ms-transformer-zday works
Le dépôt est un projet de recherche sur la détection d’intrusions Zero-Day CICIDS2017, avec une interface Streamlit pour rejouer des lots et consulter les résultats. Le parcours principal prépare les jeux de données, entraîne l’encodeur multimodal, compare les détecteurs sur des familles tenues à l’écart, puis expose la démonstration et les mesures. Le README précise que le détecteur retenu est le gradient boosting sur les seules features réseau. Les extraits ne montrent pas tout le câblage de l’interface ni les détails d’implémentation de chaque baseline ; les liens incertains sont omis.
Main entry points: processed Jeux préparés · 03_evaluation.py Évaluation Zero-Day · model_ms.py Encodeur multimodal · 02_model_training.py Entraînement supervisé
Components 13
Préparation des données
- Préparation CICIDS
01_data_preparation.py - Jeux préparés
data/processed
Modèles et entraînement
- Entraînement supervisé
02_model_training.py - Encodeur multimodal
model_ms.py - Modèles et seuils
models
Évaluation et expériences
- Évaluation Zero-Day
03_evaluation.py - Ablations et balayages
04_ablation.py - Deep SVDD
experiments/oneclass_svdd.py - SSL bénin
experiments/ssl-benign_only.py - Résultats mesurés
results
Démonstration et résultats
- Interface de démonstration
app.py - Diagnostic local
diagnostic.py
Other components
- Chercheur
Connections 22
- Préparation CICIDS → Jeux préparés: prépare
- Entraînement supervisé → Jeux préparés: charge les jeux
02_model_training.py - Entraînement supervisé → Encodeur multimodal: entraîne
02_model_training.py - Entraînement supervisé → Modèles et seuils: sauvegarde
- Évaluation Zero-Day → Jeux préparés: évalue sur
03_evaluation.py - Évaluation Zero-Day → Encodeur multimodal: projette en embedding
03_evaluation.py - Évaluation Zero-Day → Modèles et seuils: charge les poids
03_evaluation.py - Évaluation Zero-Day → Résultats mesurés: produit les métriques
- Ablations et balayages → Encodeur multimodal: compare les variantes
04_ablation.py - Ablations et balayages → Jeux préparés: évalue les variantes
- Deep SVDD → Jeux préparés: entraîne et teste
experiments/oneclass_svdd.py - Deep SVDD → Encodeur multimodal: utilise l’encodeur
experiments/oneclass_svdd.py - SSL bénin → Jeux préparés: charge les jeux
experiments/ssl-benign_only.py - SSL bénin → Encodeur multimodal: entraîne l’encodeur
experiments/ssl-benign_only.py - Chercheur → Préparation CICIDS: prépare les données
- Chercheur → Entraînement supervisé: lance l’entraînement
- Chercheur → Évaluation Zero-Day: lance l’évaluation
- Chercheur → Interface de démonstration: consulte
- Interface de démonstration → Modèles et seuils: charge les modèles
app.py - Interface de démonstration → Résultats mesurés: présente les résultats
- Diagnostic local → Jeux préparés: vérifie les données
diagnostic.py - Diagnostic local → Modèles et seuils: vérifie les poids
diagnostic.py