基于K均值聚类的网络流量异常检测机器学习代码及csv文件

基于K均值聚类的网络流量异常检测是一种常见的无监督学习方法，它通过将数据集划分为几个簇，然后识别新样本属于哪个簇与其他簇相比是否有显著差异来发现异常流量。以下是使用Python（如pandas、numpy、sklearn等库）进行基本操作的一个简单示例：

首先，你需要有包含网络流量数据的CSV文件，例如"network_traffic.csv"。假设文件包含两列：时间戳和流量。

import pandas as pd
from sklearn.cluster import KMeans
import numpy as np

# 读取CSV文件
data = pd.read_csv('network_traffic.csv')

# 数据预处理（如有需要，如归一化、填充缺失值）
data['timestamp'] = pd.to_datetime(data['timestamp'])  # 如果时间戳列是字符串
data['flow_values'] = data['flow_values'].astype(float)  # 确保流量列是数值型

# 将时间拆分并转换成可以用于聚类的数据
df_sorted = data.sort_values(by='timestamp')
flow_data = df_sorted['flow_values'].values.reshape(-1, 1)

# 设置K值（通常选择一个较小的值，比如5或7）
k = 5

# 创建KMeans模型并训练
kmeans = KMeans(n_clusters=k)
kmeans.fit(flow_data)

# 计算每个点的标签和中心点
labels = kmeans.labels_
cluster_centers = kmeans.cluster_centers_

# 对新的流量数据进行异常检测
new_data = ...  # 新的流量数据点
distances = np.linalg.norm(new_data - cluster_centers[labels], axis=1)
is_anomaly = distances > kmeans.inertia_ * 2  # 可能的阈值，通常基于簇内距离平方和的倍数

在这个例子中，`is_anomaly`是一个布尔数组，表示哪些数据点被认为是异常的。注意，这只是一个基础的框架，实际应用可能还需要调整参数（如K值）、异常阈值，并结合业务知识对结果进行验证。