تشخیص ترکیبی حملات DDoS با تلفیق تحلیل لایه های شبکه های اجتماعی و ترافیک ابری بر پایه مدل هیبریدی FRE

با گسترش تحول دیجیتال و همگرایی زیرساخت های حیاتی مانند شبکه های نسل پنجم، رایانش ابری و پلتفرم های شبکه های اجتماعی سطح تهدیدات سایبری به طور قابل توجهی افزایش یافته است. در این میان حملات انکار سرویس توزیع شده (DDoS) به عنوان یکی از جدی ترین تهدیدها علیه دسترس پذیری خدمات با بهره گیری از بات نت های هوشمند و حملات کم نرخ و پنهان به سطح بالایی از پیچیدگی رسیده اند. این تحول باعث شده روش های تشخیص سنتی که عمدتا بر آستانه های ترافیکی یا امضاهای ثابت متکی هستند کارایی لازم را نداشته و نرخ هشدارهای کاذب افزایش یابد. این مقاله با تمرکز بر پژوهش های انجام شده در بازه زمانی ۲۰۲۱ تا ۲۰۲۵ رویکردهای نوین تشخیص حملات DDoS را بررسی کرده و یک چارچوب ترکیبی مبتنی بر مدل هیبریدی FRE پیشنهاد می دهد. این مدل که تلفیقی از منطق فازی، جنگل تصادفی و فاصله اقلیدسی است، دقت تشخیصی بالاتر از ۹۹.۸ درصد را نشان داده است. نوآوری اصلی پژوهش ادغام این مدل با تحلیل لایه اجتماعی از جمله شناسایی محتوای کم اعتبار کاربران اثرگذار و الگوهای هماهنگی حمله در محیط های ۵G و MEC است. نتایج نشان می دهد رویکردهای ترکیبی ضمن افزایش دقت، تشخیص امکان پیاده سازی بلادرنگ در لبه شبکه را فراهم می کنند و مسیر تازه ای برای تحقیقات آینده در امنیت شبکه های نسل بعدی ارائه می دهند.

کلیدواژه ها:

حملات DDoS ، شبکه های نسل پنجم ، محاسبات لب های ، شبکه های نرم افزارمحور ، یادگیری ماشین ، مدل هیبریدی FRE ، شبکه های اجتماعی