بررسی تشخیص حملات DDoS به همراه مشکلات، چالش ها و توصیه ها

یک مهاجم سایبری می تواند با استفاده از روش های مختلف به شبکه ها و سرورها حمله کند، به ویژه زمانی که تعداد زیادی دستگاه در جهان به شبکه متصل هستند. در چنین شرایطی، احتمال وقوع حملات توزیع شده ی محروم سازی از سرویس (DDoS) افزایش می یابد؛ حملاتی که می توانند موجب اختلال در منابع شبکه، کاهش عملکرد سیستم و حتی خرابی داده ها شوند. به همین دلیل، تشخیص ناهنجاری ها و اختلالات در ترافیک شبکه برای شناسایی فعالیت های مخرب اهمیت زیادی دارد، زیرا این کار در حفظ امنیت شبکه و پایداری سیستم های سایبر–فیزیکی (CPS) نقش حیاتی ایفا می کند. دراین مقاله به بررسی و مقایسه روش های مختلف شناسایی حملات DDoS می پردازد و نحوه ی استفاده از مسیرهای داده ای (Data Paths) و فیلترینگ بسته ها در شبکه های با سرعت بالا (HSN) را تحلیل می کند. همچنین، روش های مبتنی بر یادگیری ماشین و یادگیری عمیق در سیستم های شناسایی نفوذ (IDS) و IDSهای مبتنی بر جریان، مورد توجه قرار گرفته اند. در این مطالعه، یک طبقه بندی جامع از انواع حملات DDoS ارائه شده و استراتژی های شناسایی موجود همراه با معیارهای ارزیابی دقت در شبکه های پرسرعت بررسی شده اند. در نهایت، با تحلیل چالش ها و محدودیت های فعلی در مقابله با حملات DDoS در محیط HSN، مسیرهای جدیدی برای تحقیقات آینده پیشنهاد شده است تا پژوهشگران بتوانند به راه حل های موثرتر و کاربردی تر دست یابند.

کلیدواژه ها:

حمله سایبری (Cyber attack) ، سیستم فیزیکی سایبری (Cyber-physical system) ، حمله انکار سرویس (Denial of service attack) ، شبکه پرسرعت (High-speed network) ، حمله انکار سرویس توزیع شده (Distributed denial-of-service attack) ، کلودفلر(Cloudflare) ، سیستم نام دامنه (Domain name system & DNS)