我正在使用ADFA- LD数据集进行基于主机的入侵检测项目,现在正在进行特征提取模块。我构建了由长度为4的系统调用短语组成的短语词典。现在,为了进行特征提取,我需要将这些短语与新的系统调用轨迹进行比较(以下是一些示例):
。
我需要的是,如何将这些短语与新痕迹进行比较。我在用Java做。
我的短语字典:
sys_socketcall-sys_poll-sys_clock_gettime-sys_poll
sys_clock_gettime-sys_poll-sys_poll-sys_socketcall
sys_poll-sys_socketcall-sys_poll-sys_clock_gettime
sys_poll-sys_clock_gettime-sys_clock_gettime-sys_clock_gettime
sys_clock_gettime-sys_clock_gettime-sys_socketcall-sys_clock_gettime
sys_socketcall-sys_clock_gettime-sys_poll-sys_poll
sys_poll-sys_poll
我使用“-”作为分隔符,将这些短语与新轨迹进行比较,因此我以“-”加入了唯一的系统调用。
似乎您想要的单词被空格分开了。在这种情况下,只需逐行阅读文件,然后使用即可获得所需的字词String.split(" ")。这是我可能想到的:
String.split(" ")
public class FileSplitter { public static void main(String[] args) throws IOException { File file = new File("input_file.txt"); LinkedList<String> words = new LinkedList<String>(); int i = 0; Files.lines(file.toPath()). forEachOrdered(line -> words. addAll(Arrays.asList(line.split(" ")))); for(String word:words){ if(word.trim().length() > 0){ System.out.print(word.trim() + " "); if(i++ >= 3){ System.out.println(); i = 0; } } } } }
对于您的示例,它返回以下内容:
sys_clock_gettime sys_poll sys_poll sys_clock_gettime sys_poll sys_poll sys_poll sys_clock_gettime sys_poll sys_clock_gettime sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_poll sys_socketcall