ارائه چارچوب هوشمند مبتنی بر یادگیری عمیق برای تشخیص و مقابله با حملات چندبرداری DDoS در شبکه های SDN

با گسترش شبکه های نرم افزارمحور (SDN) و افزایش استفاده از خدمات مبتنی بر رایانش ابری و اینترنت اشیاء حملات محروم سازی از سرویس توزیع شده (DDoS) به یکی از مهم ترین تهدیدهای امنیتی تبدیل شده اند. پیچیدگی روزافزون حملات چندبرداری روش های سنتی تشخیص را با محدودیت هایی از جمله کاهش دقت، افزایش هشدارهای کاذب و تاخیر در واکنش مواجه کرده است. در این پژوهش چارچوبی هوشمند مبتنی بر یادگیری عمیق برای تشخیص بلادرنگ و مقابله با حملات چندبرداری DDoS در شبکه های نرم افزارمحور ارائه شده است. چارچوب پیشنهادی شامل جمع آوری و پیش پردازش داده های ترافیکی، استخراج ویژگی، تشخیص حمله با استفاده از مدل های یادگیری عمیق و اعمال سیاست های دفاعی توسط کنترل کننده SDN است. پژوهش های منتشر شده در سال های ۲۰۲۱ تا ۲۰۲۵ بررسی و تحلیل شده اند تا نقاط قوت، محدودیت ها و شکاف های پژوهشی مشخص شوند. همچنین با بررسی مطالعات اخیر قابلیت چارچوب پیشنهادی از نظر بهبود دقت تشخیص، کاهش هشدارهای کاذب و افزایش پایداری شبکه تحلیل شده است. نتایج بررسی ها نشان می دهد که به کارگیری مدل های یادگیری عمیق در کنار قابلیت برنامه پذیری SDN می تواند دقت تشخیص را افزایش داده، نرخ هشدارهای کاذب را کاهش دهد و زمان پاسخ به حملات را بهبود بخشد. در مجموع چارچوب پیشنهادی راهکاری مناسب برای ارتقای امنیت و پایداری شبکه های نسل جدید در برابر حملات پیچیده DDoS ارائه می دهد.

کلیدواژه ها:

شبکه های نرم افزارمحور ، حملات DDoS ، حملات چندبرداری ، یادگیری عمیق ، امنیت شبکه