ارائه مدلی برای بهبود امنیت در رایانش ابری جهت جلوگیری از حملات انکار سرویس توزیع شده با استفاده از ماشین یادگیری افراطی و هوش مصنوعی

چندین راه حل مبتنی بر یادگیری ماشین برای شناسایی حملات انکار سرویس توزیع شدهدر رایانش ابری پیشنهاد شده است که این پژوهش مدلی برای بهبود امنیت در رایانش ابری جهت جلوگیری از حملات انکار سرویس توزیع شدهبا استفاده از ماشین یادگیری افراطی و هوش مصنوعی ارائه می کند.. در این روش، یک مدل بهبود یافته SaE-ELM توسعه یافته است که می تواند استراتژی جهش، نرخ متقاطع و عملگر متقاطع را تطبیق دهد و قادر است به طور خودکار تعداد مناسب نورون های لایه پنهان را تعیین کند. برای ارزیابی روش پیشنهادی که برای تشخیص حمله در وب استفاده می شود 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 شد. روش پیشنهادی به دقت تشخیص ۸۶.۸۰، درصد با NSL-XKD دست یافت و آزمایش ها نشان داد که عملکرد سیستم تشخیص حمله پیشنهادی بهتر از سیستم مبتنی بر SaE-ELM اصلی و تکنیک های پیشرفته است. با این حال، زمان آموزش طولانی تری نسبت به سیستم مبتنی بر SaE-ELM نتیجه شد.

کلیدواژه ها:

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