【问题标题】:Entropy of IP packet informationIP包信息的熵
【发布时间】:2014-12-11 20:46:01
【问题描述】:

我有一个完整的数据包头信息的 .csv 文件。前几行:

28;03/07/2000;11:27:51;00:00:01;8609;4961;8609;097.139.024.164;131.084.001.031;0;-
29;03/07/2000;11:27:51;00:00:01;29396;4962;29396;058.106.180.191;131.084.001.031;0;-
30;03/07/2000;11:27:51;00:00:01;26290;4963;26290;060.075.194.137;131.084.001.031;0;-
31;03/07/2000;11:27:51;00:00:01;28324;4964;28324;038.087.169.169;131.084.001.031;0;- 

总共有大约 33k 行(每行是来自不同数据包头的信息)。现在我需要使用源地址和目标地址来计算熵。

使用我写的代码:

def openFile(file_name):
    srcFile = open(file_name, 'r')
    dataset = []
    for line in srcFile:
        newLine = line.split(";")
        dataset.append(newLine)
    return dataset

我得到的回报看起来像

dataset = [
    ['28', '03/07/2000', '11:27:51', '00:00:01', '8609', '4961', '8609', '097.139.024.164', '131.084.001.031', '0', '-\n'], 
    ['29', '03/07/2000', '11:27:51', '00:00:01', '29396', '4962', '29396', '058.106.180.191', '131.084.001.031', '0', '-\n'], 
    ['30', '03/07/2000', '11:27:51', '00:00:01', '26290', '4963', '26290', '060.075.194.137', '131.084.001.031', '0', '-\n'],
    ['31', '03/07/2000', '11:27:51', '00:00:01', '28324', '4964', '28324', '038.087.169.169', '131.084.001.031', '0', '-']
]

然后我将它传递给我的熵函数:

#---- Entropy += - prob * math.log(prob, 2) ---------
def Entropy(data):
    entropy = 0
    counter = 0 # -- counter for occurances of the same ip address
    #-- For loop to iterate through every item in outer list
    for item in range(len(data)):
        #-- For loop to iterate through inner list
        for x in data[item]:
            if x == data[item][8]: 
                counter += 1
        prob = float(counter) / len(data)
        entropy += -prob * math.log(prob, 2)
    print("\n")
    print("Entropy: {}".format(entropy))

代码运行没有任何错误,但它给出了错误的熵,我觉得这是因为错误的概率计算(第二个 for 循环是可疑的)或错误的熵公式。有没有办法在没有另一个 for 循环的情况下找到 IP 发生的概率?欢迎对代码进行任何编辑

【问题讨论】:

  • 第二个 for 循环有点令人担忧。也许像count = data[item].count(data[item][8]) 这样的东西。如果这真的是你想要的。
  • 如果数据集是您传递给 Entropy 的内容,您将遇到各种问题。如果你只关心Entropy 中的IP 地址,那么只需将openFile() 中的IP 地址取出即可
  • @user2097159 你的解决方案给了我错误:TypeError: list indices must be integers, not str

标签: python probability entropy


【解决方案1】:

使用numpy 和内置的collections 模块可以大大简化代码:

import numpy as np
import collections

sample_ips = [
    "131.084.001.031",
    "131.084.001.031",
    "131.284.001.031",
    "131.284.001.031",
    "131.284.001.000",
]

C = collections.Counter(sample_ips)
counts  = np.array(C.values(),dtype=float)
prob    = counts/counts.sum()
shannon_entropy = (-prob*np.log2(prob)).sum()
print (shannon_entropy)

【讨论】:

  • 当我将counts = np.array(C.values(),dtype=float) 编辑为counts = np.array(list(C.values()),dtype=float) 时,您的示例似乎有效,谢谢
猜你喜欢
  • 2010-12-27
  • 2011-07-24
  • 2014-09-17
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2011-02-14
  • 2017-09-11
  • 1970-01-01
相关资源
最近更新 更多