ارائه مدل ترکیبی طبقه بندی و پیش بینی حملات DDOS مبتنی بر یادگیری ماشین

حملات DDoS به عنوان یکی از تهدیدات اصلی امنیتی برای شبکه های کامپیوتری شناخته می شوند. این پژوهش به ارائه روشی دقیق و موثر برای تشخیص حملات DDoS با استفاده از الگوریتم های یادگیری ماشینی پرداخته است. مدل های یادگیری عمیق مانند CNN و LSTM و الگوریتم های قدرتمندی همچون forest و GBoost برای طبقه بندی و پیش بینی حملات DDoS بر روی مجموعه داده UNSW-NB۱۵ به کار گرفته شده اند. نتایج نشان می دهند که مدل های پیشنهادی با استفاده از داده های واقعی حملات DDoS دقت بالایی دارند با میانگین دقت و F۱-score حدود ۹۰٪.

کلیدواژه ها:

حملات DDoS ، یادگیری ماشینی ، یادگیری عمیق ، تشخیص حملات ، شبکه های کامپیوتری ، بهینه سازی ، مدل مجموعه داده - UNSW ۱۵NB ، داده کاوی ، امنیت شبکه