تشخیص حملات انکار سرویس توزیع شده در شبکه های مبتنی بر نرم افزار با رویکرد یادگیری عمیق

رشد محاسبات ابری منجر به توسعه شبکه های مبتنی بر نرم افزار شده است. تهدیدات امنیتی در این نوع شبکه یک نگرانی است. کنترل کننده این شبکه ها، هدف جذابی برای حملات انکار سرویس توزیع شده است. پژوهشگران روش های مختلفی را برای شناسایی این حملات ارائه کرده اند که آمار تشخیص اشتباه آنها بسیار بالا است. به همین منظور این پژوهش، روشی برای تشخیص حملات انکار سرویس توزیع شده از طریق یادگیری عمیق با استفاده از ویژگی های برجسته بسته ها، پیشنهاد می کند. روش پیشنهادی پس از پیش پردازش و آماده سازی داده ها، ویژگی های با اهمیت بسته ها را از طریق روش ماشین بردار پشتیبان، جدا می کند و نهایتا با یک شبکه عصبی ترکیبی ابتکاری متشکل از یک شبکه عصبی کانولوشنال، دو نوع شبکه بازگشتی ساده و حافظه کوتاه و بلند مدت، بسته های حمله را از بسته های عادی جدا می کند. ارزیابی عملکرد روش پیشنهادی از طریق معیار های استاندارد روی یک مجموعه داده استاندارد انجام می شود. یافته ها نشان می دهد روش پیشنهادی حملات انکار سرویس توزیع شده را با دقت تشخیص ۹۵.۲ درصد، حساسیت ۹۲.۰۹درصد، نرخ تشخیص اشتباه ۲.۷درصد ومیانگین هارمونیک دقت ۹۳.۸۷درصد تشخیص می دهد.

کلیدواژه ها:

شبکه های مبتنی بر نرم افزار ، حملات انکار سرویس توزیع شده ، محاسبات ابری ، یادگیری عمیق ، شبکه های عصبی