基于机器学习的网络入侵检测工具研究与实现

项目说明

该项目为基于机器学习的网络入侵检测工具，包含模型训练与运行监控两个界面。训练页面左侧提供数据预处理选项（PCA降维、SMOTE过采样）、加载数据集、模型训练（决策树、随机森林、SVM、LightGBM及一键训练全部模型）和模型管理（保存/加载模型）；右侧以柱状图展示各模型准确率、精确率、召回率、F1分数，并标注最佳模型为LightGBM，下方为详细评估结果表格与混淆矩阵区域。运行页面为Flask应用日志，显示/api/monitor/stats与/api/model/status接口的GET请求记录。