摘要
过去十年间，随着无线网络基础设施的快速发展，物联网（IoT）设备的数量及其应用场景均呈现出显著增长。尽管物联网带来了诸多优势，但其广泛应用也导致攻击面大幅扩大，频繁被网络犯罪分子利用，因而亟需在高流量网络环境中实现对各类攻击的实时、自动化检测与应对。软件定义网络（SDN）与基于机器学习（ML）的入侵检测技术，已成为应对物联网网络中各类攻击的高效手段。然而，迄今为止，基于机器学习的入侵检测研究多集中于多年前构建的数据集，且这些数据集并不针对基于SDN的网络环境，限制了研究成果的适用性与前瞻性。本文提出了一种面向物联网网络入侵检测的新型数据集。该数据集包含两部分，分别模拟静态与动态物联网网络，共计包含2790万条和3020万条数据记录，涵盖多种类型的网络攻击以及正常流量。该数据集将为基于SDN管理的物联网网络入侵检测研究提供重要资源，而这类网络架构将在未来无处不在的互联网络中日益普及。