تشخیص حمله سیل آسای HTTP در لایه برنامه با استفاده از خوشه بندی و معیارهای یادگیری ماشین

شبکه اینترنتی بیشتر قربانی حمله عدم پذیرش سرویس توزیع شده یا به اختصار DDOS می شود، حمله-ای که عمدا منابع محاسباتی و پهنای باند را اشغال می کند تا آن خدمات را به کاربران بالقوه انکار کند. سناریوی حمله بدین صورت است که بسته ها را با حجم زیاد گسیل می دهد. اگر منبع حمله یک سرور باشد، حمله به عنوان منع سرویس (DOS) و اگر منبع حمله از سرورهای مختلف باشد به آن DDOS گفته می شود. در طول یک دهه، بسیاری از محققین شناسایی و پیشگیری از حملات DDOS را به عنوان اهداف تحقیقاتی خود در نظر گرفته اند و موفق به ارائه چند استراتژی مهم شناسایی و پیشگیری از DDOS نیز شده اند. در حال حاضر میزان سرعت تشخیص حملات DDOS در جریان تراکنش های شبکه ای، یک هدف تحقیقاتی مهم در سطح کنونی استفاده از اینترنت است. متاسفانه، استراتژی های تشخیص حمله DDOS فعلی در توجیه هدفی به نام تشخیص زودهنگام حمله DDOS ناکام هستند. در این مقاله به منظور دستیابی به تشخص سریع، یک راهکار تشخیص حمله DDoS مبتنی بر یادگیری ماشین را ارائه کرده ایم. آزمایش ها با محک زدن مجموعه داده CAIDA انجام شد و نتایج ارائه شده اهمیت مدل پیشنهادی را برای دستیابی به هدف مقاله افزایش می دهد.

کلیدواژه ها:

حمله منع سرویس ، یادگیری ماشین ، حمله منع سرویس توزیع شده ، مجموعه داده CAIDA