تشخیص حملات DDoS در دستگاههای IoT با استفاده از یادگیری عمیق

با افزایش تعداد سرویسهای ارائه شده از طریق اینترنت آسیب پذیری زیر ساختهای وابسته به شبکه مانند اینترنت اشیا افزایش یافته است و حملات انکار سرویس توزیع شده (DDoS) پیچیده تر شده اند و به چالشی بزرگ برای شبکه های کامپیوتری و بطور ویژه اینترنت اشیا تبدیل شده است. به منظور مقابله موثر با این تهدیدات شناسایی زودهنگام و جداسازی داده های شبکه بسیار حیاتی است. در این مقاله کاربرد الگوریتمهای متفاوت یادگیری ماشین مانند جنگل تصادفی بیزی ساده ماشین بردار پشتیبان و شبکه عصبی با حافظه کوتاه مدت و طولانی (LSTM) برای شناسایی حملات انکار سرویس توزیع شده بررسی میگردد. نتایج نشان داد که الگوریتم LSTM عملکرد بهتری نسبت به دیگر الگوریتم ها دارد نتایج آزمایشها بر روی مجموعه داده CICDDoS۲۰۱۹ با استفاده از مدل پیشنهادی LSTM دقت بالای ۹۸ درصد را نمایش میدهد این مجموعه داده شامل نمونه های مختلف حملات منع سرویس بر روی اینترنت اشیا میباشد. در مقایسه با یادگیری ماشین یادگیری عمیق در مجموعه داده CICDDoS۲۰۱۹ عملکرد بهتری از خود نشان داد.