Upload 5 files

app.py

@@ -0,0 +1,77 @@
+import gradio as gr
+import pandas as pd
+import numpy as np
+import joblib
+from xgboost import XGBClassifier
+
+# Load các mô hình và encoder
+model = joblib.load("xgboost_model.pkl")
+scaler = joblib.load("scaler.pkl")
+label_encoder = joblib.load("label_encoder.pkl")
+
+def predict_attack(file):
+    # Đọc file CSV
+    df = pd.read_csv(file.name)
+
+    # Tiền xử lý dữ liệu
+    X = scaler.transform(df)
+
+    # Dự đoán
+    predictions = model.predict(X)
+    prediction_probs = model.predict_proba(X)
+    confidences = np.max(prediction_probs, axis=1)
+    predicted_labels = label_encoder.inverse_transform(predictions)
+
+    # Thêm cột dự đoán và độ tin cậy
+    df["Predicted Label"] = predicted_labels
+    df["Confidence"] = confidences.round(4)
+
+    # Tóm tắt kết quả
+    summary = df["Predicted Label"].value_counts().reset_index()
+    summary.columns = ["Class", "Count"]
+    summary["Percentage"] = (summary["Count"] / len(df) * 100).round(2).astype(str) + "%"
+    summary["Avg Confidence"] = df.groupby("Predicted Label")["Confidence"].mean().round(4).values
+
+    # Confusion matrix giả định: không có nhãn thật → dùng cột dự đoán chính
+    labels = label_encoder.classes_
+    confusion_matrix_html = "<table border='1'><tr><th>Actual \\ Predicted</th>" + "".join(
+        f"<th>{label}</th>" for label in labels
+    ) + "</tr>"
+
+    for actual in labels:
+        confusion_matrix_html += f"<tr><td>{actual}</td>"
+        for predicted in labels:
+            count = len(df[(df["Predicted Label"] == predicted) & (df["Predicted Label"] == actual)])
+            cell_color = " style='background-color: #ffcccc'" if count > 0 and actual != predicted else ""
+            confusion_matrix_html += f"<td{cell_color}>{count}</td>"
+        confusion_matrix_html += "</tr>"
+    confusion_matrix_html += "</table>"
+
+    # Hiển thị kết quả dạng bảng HTML
+    summary_html = summary.to_html(index=False)
+    prediction_sample = df.head(10).to_html(index=False)
+
+    html_output = f"""
+    <h3>Kết quả phân tích:</h3>
+    <h4>Summary of Detections:</h4>
+    {summary_html}
+    <h4>Actual vs Predicted Labels Confusion Matrix:</h4>
+    {confusion_matrix_html}
+    <h4>Prediction Results (Total: {len(df)} records)</h4>
+    <p>Top 10 records shown:</p>
+    {prediction_sample}
+    """
+
+    return html_output
+
+# Tạo giao diện
+iface = gr.Interface(
+    fn=predict_attack,
+    inputs=gr.File(label="Tải file CSV đã xử lý"),
+    outputs=gr.HTML(),
+    title="🔍 Dự đoán tấn công mạng bằng mô hình XGBoost",
+    description="Tải file CSV để hệ thống phân tích và dự đoán loại tấn công (nếu có).",
+)
+
+if __name__ == "__main__":
+    iface.launch()

label_encoder.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f00da92b437e090ec8e6d476164a02a77c3192e2bcecd47e759e903a3080fcaf
+size 619

requirements.txt

@@ -0,0 +1,4 @@
+gradio
+xgboost
+pandas
+scikit-learn

scaler.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7fdd3414b15059fa232c0d0bf51f2764a44acb657f83d5476f3b9b69718bf4e9
+size 2447

xgboost_model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:5895ddcdda7b262cd5986158e0f13008755f5ee5b56cc7c1c130772ac8f98b8e
+size 2710360