رویکردی برای تشخیص حملات DDoS در محیط رایانش ابری با استفاده از آنتروپی و بهینه سازی ازدحام ذرات

رایانش ابری یک فناوری نوظهور و در حال رشد است که به طور گسترده برای ارائه محاسبات، خدمات ذخیره سازی و سایر منابع از طریق اینترنت استفاده می شود. در دسترس بودن سرویس های ابری یکی از مهمترین نگرانی های ارائه دهندگان خدمات ابری است. در حالی که سرویس های ابری عمدتا از طریق اینترنت منتقل می شوند، مستعد حملات مختلفی هستند که منجر به درز اطلاعات حساس شود. حمله DDoS به عنوان یکی از مهمترین تهدیدات امنیتی برای محیط رایانش ابری شناخته می شود. این حمله تلاشی صریح توسط یک مهاجم برای جلوگیری و عدم دسترسی به خدمات یا منابع مشترک در یک محیط ابری است. در این مقاله رویکردی ترکیبی برای مقابله با حمله DDoS در محیط رایانش ابری مورد بحث قرار گرفته است. این روش اهمیت روش های مبتنی بر انتخاب ویژگی های موثر و مدل های دسته بندی را برجسته می کند. در اینجا، رویکردی بر مبنای آنتروپی و بهینه سازی ازدحام ذرات برای مقابله با این حملات در محیط رایانش ابری ارائه می شود. دسته بندی داده های با ابعاد بالا معمولا به انتخاب ویژگی به عنوان یک مرحله قبل از پردازش برای کاهش ابعاد نیاز دارد. با این حال، انتخاب ویژگی های موثر یک کار چالش برانگیز است که در این مقاله از بهینه سازی ازدحام ذرات برای اینکار استفاده می شود. در اینجا، مدل دسته بندی پیشنهادی بر مبنای استفاده از ساختمان داده درخت جستجوی دودویی متوازن و دیکشنری توسعه یافته است. شبیه سازی براساس مجموعه داده های NSL-KDD و CICDDoS۲۰۱۹ انجام شده که نتایج برتری روش پیشنهادی را با میانگین دقت تشخیص ۹۹.۸۴% نسبت به الگوریتم-های AGA و E-SVM اثبات می کند.

کلیدواژه ها:

رایانش ابری ، تشخیص حملات ، آنتروپی ، بهینه سازی ازدحام ذرات ، حمله DDoS