ارزیابی معیار رگرسیون جهت بهبود امنیت رایانش ابری در برابر حملات انکار سرویس

تاثیر حمله انکار سرویس توزیع شده یک تهدید امنیتی جدی برای محاسبات ابری است که بر در دسترس بودن خدمات ابری گذارد و دفاع در برابر این حملات امری ضروری است. در این پژوهش روشی جهت ارزیابی معیار رگرسیون جهت بهبود امنیت رایانش ابری در برابر حملات انکار سرویس توزیع شده مبتنی بر پرسپترون چندلایه ارائه شد. در روش پیشنهادی، یک سیستم تشخیص حمله انکار سرویس توزیع شده را بر اساس یک ماشین یادگیری افراطی تکاملی خود تطبیق پذیر ارائه شده که این مدل با ترکیب دو ویژگی بهبود یافته است که اولا میتواند بهترین اپراتور متقاطع مناسب را تطبیق دهد و ثانیا، می تواند به طور خودکار تعداد مناسب نورونهای لایه پنهان را تعیین کند این ویژگیها قابلیتهای یادگیری و طبقه بندی مدل را بهبود میبخشد برای ارزیابی این از الگوریتم OSELM استفاده شده است و با چند روش دیگر هم رده مبتنی بر معیارهای مختلف برای ارزیابی در نظر گرفته شد برای شبکه پیشنهادی ۱۵ نرون در لایه پنهان تعداد ۲۵۰۰ تکرار در آموزش و تابع هسته زیگمودی پیشنهاد شد و با استفاده از مجموعه داده NSL-KDD ارزیابی انجام شد که آزمایشها نشان داد که عملکرد سیستم تشخیص حمله پیشنهادی بهتر از سیستم مبتنی بر SaE-ELM اصلی و تکنیکهای پیشرفته است.

کلیدواژه ها:

امنیت رایانش ابری ، حملات انکار سرویس ، توزیع شده ، ماشین یادگیری افراطی ، هوش مصنوعی