شبکه های تعریف شده توسط نرم افزار (SDN) و امنیت آنها (تحلیل آسیب پذیری های موجود در معماری SDN و ارائه روش های نوین برای مقاوم سازی در برابر حملات سایبری)

شبکه های تعریف شده توسط نرم افزار (SDN) به عنوان یک معماری نوین در طراحی و مدیریت شبکه ها امکانات زیادی برای کنترل و بهینه سازی شبکه ها فراهم می آورد. این معماری با جداسازی لایه های داده و کنترل مزایای فراوانی از جمله انعطاف پذیری و مقیاس پذیری بالا را به همراه دارد، اما در عین حال چالش های امنیتی قابل توجهی نیز به همراه دارد. هدف این تحقیق تحلیل آسیب پذیری های موجود در شبکه های SDN و ارائه روش های مقاوم سازی برای مقابله با حملات سایبری است. در این تحقیق روش تحقیق تحلیلی با شبیه سازی حملات مختلف، استفاده از سیستم های تشخیص نفوذ (IDS) و الگوریتم های یادگیری ماشین برای شناسایی تهدیدات و حملات پیچیده به کار گرفته شد. ابتدا حملات DDoS و تزریق داده ها در شبکه های SDN شبیه سازی شده و آسیب پذیری های کنترل کننده ها و پروتکل های ارتباطی تحلیل گردید، سپس سیستم های IDS برای شناسایی تهدیدات و حملات غیرعادی به کار گرفته شدند. همچنین الگوریتم های یادگیری ماشین مانند درخت تصمیم و ماشین بردار پشتیبان (SVM) برای طبقه بندی ترافیک شبکه و شناسایی حملات پیشرفته استفاده شدند. در نهایت بلاک چین به عنوان یک روش مقاوم سازی اضافی برای حفاظت از داده ها و جلوگیری از تغییرات غیرمجاز معرفی شد. یافته های پژوهش نشان داد که شبکه های SDN به دلیل ساختار متمرکز خود آسیب پذیری های زیادی دارند. استفاده از سیستم های IDS و الگوریتم های یادگیری ماشین توانستند شناسایی حملات را در زمان واقعی بهبود بخشند، همچنین بلاک چین به عنوان یک لایه امنیتی اضافی توانست از تغییرات غیرمجاز در داده ها جلوگیری کند و شفافیت در تبادل اطلاعات شبکه را افزایش دهد. در نهایت این تحقیق پیشنهاد می کند که برای افزایش امنیت SDN از ترکیب چندین روش مقاوم سازی استفاده شود تا امنیت شبکه ها در برابر تهدیدات سایبری به طور موثری تقویت شود.

کلیدواژه ها:

SDN ، امنیت شبکه ، حملات DDoS ، الگوریتم یادگیری ماشین ، بلاک چین