Recursos

Software y conjuntos de datos

«Una mayor complejidad implica un mayor potencial de conocimiento, pero hay que ser consciente de este hecho para tratar adecuadamente los datos obtenidos».

En Codas Lab creemos en la divulgación de conocimiento y por ello, ponemos a disposición de la comunidad científica una serie de recursos para su descarga.

A continuación puedes conocer cada uno de ellos:

▪︎ Software

▪︎ Conjuntos de datos

Software

Feature as a Counter Parser

Multivariate Exploratory Data Analysis (MEDA) Toolbox for its use in Matlab

MVBatch for its use in Matlab

Trabajo conjunto con el Dr. José María González Martínez (Shell) y el Prof. Alberto Ferrer (MSERG)

Conjuntos de datos

UGR16 Feature data. This repository contains the four feature data variants of UGR'16 used in the following papers:
- Camacho, Wasielewska, Espinosa, Fuentes-García. Quality In / Quality Out: Data quality more relevant than model choice in anomaly detection with the UGR’16. IEEE/IFIP Network Operations and Management Symposium. Miami, USA. 2023.
- Camacho, Wasielewska, Fuentes-García, Rodríguez-Gómez. Quality In / Quality Out: Assessing Data Quality in an Anomaly Detection Benchmark. arXiv preprint arXiv:Camacho, Wasielewska, Fuentes-García, Rodríguez-Gómez. Quality In / Quality Out: Assessing Data Quality in an Anomaly Detection Benchmark. arXiv preprint arXiv:2305.19770 [cs.LG], 2023.
Please, make sure to reference the last paper when using the data, and also the original paper of UGR'16:
- Maciá-Fernández, G., Camacho, J., Magán-Carrión, R., García-Teodoro, P., Therón, R. Ugr'16: a new dataset for the evaluation of cyclostationarity-based network IDSs. Computer & Security, 2018, 73: 411-424.
Dartmouth Feature data. This repository contains the feature data of Dartmouth dataset used in the following papers:
- Camacho, J., Wasielewska, K., Bro R., Kotz, D., Interpretable Learning in Multivariate Big Data Analysis for Network Monitoring. Preprint arXiv:1907.02677 [cs.NI].
- Camacho, J., Wasielewska, K., Bro R., Kotz, D., Extracting Knowledge from Network Data: Multivariate Visualizations of Network Analytics based on Matrix Factorization, Submitted to ACM Internet Measurement Conference, 2023.
Please, make sure to reference the first paper when using the data, and also the original paper of the Dartmouth dataset:
- Camacho, J. , McDonald, C., Peterson, R., Zhou, X. Longitudinal Analysis of a Campus Wi-Fi Network . Computer Networks. 2020, 179, 107103.

Si quieres recibir información sobre los recursos disponibles de Codas Lab, no dudes en contactar con nosotros.

Recursos

Software y conjuntos de datos

Software

Conjuntos de datos

INFORMACIÓN

POLÍTICAS