:param pcapflow_path:文件流路径 :param method: str类，传入的pcap_flow文件属于'Normal', 'BFSSH', 'Infilt', 'HttpDoS','DDoS'中的哪种 :return:

计算perplexity, D是距离向量， idx指dist中自己与自己距离的位置，beta是高斯分布参数 这里的perp仅计算了熵，方便计算

写一个读取序列的生成器 batch_size:批量大小

不带OHE :param packets: :param labels: :param indices: :param batch_size: :return:

不带OHE :param packets: :param labels: :param indices: :param batch_size: :return:

不带OHE :param packets: :param labels: :param indices: :param batch_size: :return:

第二种风格的CM图 :return:

:param tunple: tunple = (time_cost,losses,val_losses,acc,val_acc) :param filename: the file you want to save logger ,default:count.log

这个程序有个bug是如果某个类别的流量包数刚好小于等于NUM_PER_CATEGORY 时，该类别的pkl结果不会被保存，因此在退出该类别的处理 之前要进行一个检查，保存剩余的数据 但是还有一个bug就是假设Train:Valid:Test=8:1:1 NUM_PER

计算pairwise 距离, x是matrix (a-b)^2 = a^w + b^2 - 2*a*b

:param K: K-fold number :return:

解析混淆矩阵，返回TN,TP，FP,FN四元列表 :param matrix: :return:

主函数 因为模型训练代码有把原始数据集分成train和validation了，因此这里我们只分成train_validation和test两个数据集 :param train_ratio: :param validation_ratio: :par

Step 1 ：导入outputResult中的文件名 Step 2 :用shutil.move将Step1 中对应的文件移至新的文件夹 :return:

查找configuration中的字典XML2PCAP，找到XML文件对应的PCAP名 :param logName: :return: 对应的PCAP名

:param dir_path:分好类的文件夹所在的父目录 :return:

:param dir_path:分好类的文件夹所在的父目录 :return:

:param confuse_matrix: :return:

仅供predict时load data用 :return:

主函数 :param weight_path: :param test_data_path: :param model_name: :param isChinese: 是否以中文语言输出图片，默认为否（英文输出） :return:

解析pcap，如果解析的数量达到NUM_PER_CAEGORY,则中止解析，返回flag=False 注意，这里的raw(pcapfile[index])没有截断，保留了数据完整，后续处理起来更灵活 :param pcap_file_path: :para

PCA算法 使用PCA先进行预降维

遍历文件夹，得到文件夹下所有文件的路径,然后执行process_each_flow(),提取每个pcap下每个packet的特征并保存 用vthread.thread试一下多线程效果 :param source_pcapflow_path: :retur

如出现 SAXParseException: xxxxx not well-formed (invalid token) 字样说明SML内存在非法字符，使用XMLfilter.py将相应 XML文件过滤 :return: