ارائه سیستم تشخیص حملات DDoS مبتنی بر یادگیری عمیق و مکانیزم توجهㅤ

مهران نصرتی; فاطمه باقری

ارائه سیستم تشخیص حملات DDoS مبتنی بر یادگیری عمیق و مکانیزم توجهㅤ

محل انتشار: فصلنامه پدافند الکترونیکی و سایبری، دوره: 14، شماره: 1

سال انتشار: 1405

نوع سند: مقاله ژورنالی

زبان: فارسی

مشاهده: 52

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/2726267

شناسه ملی سند علمی:

JR_PADSA-14-1_006

تاریخ نمایه سازی: 17 مهر 1405

چکیده مقاله:

با گسترش سریع اینترنت و افزایش تعداد دستگاه های متصل به شبکه، سطح حملات سایبری به طور چشمگیری افزایش یافته است. یکی از تهدیدات جدی در این حوزه، حملات منع سرویس توزیع شده (DDoS) هستند که با بهره گیری از تعداد زیادی سیستم آلوده، حجم عظیمی از ترافیک را به سمت اهداف مشخص هدایت می کنند. ویژگی توزیع یافته و مقیاس پذیر این حملات، تشخیص و مقابله با آن ها را به مراتب دشوارتر از سایر تهدیدات امنیتی کرده است. در سال های اخیر، مدل های مختلفی برای شناسایی این نوع حملات توسعه یافته اند، اما بسیاری از آن ها در تشخیص دقیق یا کاهش نرخ خطا با چالش مواجه هستند. برای مقابله با این مسئله، در این مقاله یک سیستم تشخیص نفوذ مبتنی بر شبکه های عصبی عمیق و مکانیزم توجه پیشنهاد شده است. روش پیشنهادی با استفاده از زبان برنامه نویسی Python و کتابخانه PyTorch پیاده سازی و بر روی مجموعه داده های CICIDS۲۰۱۷، CICIDS۲۰۱۸ و CICDDoS۲۰۱۹ آزمایش شده است. نتایج نشان داد که مدل پیشنهادی در مقایسه با روش های پیشین، عملکرد بهتری در شناسایی حملات DDoS ارائه می دهد و نرخ خطای کاذب را به طور قابل توجهی کاهش می دهد. این نتایج بیانگر پتانسیل روش پیشنهادی در بهبود امنیت شبکه و ارائه یک راهکار موثر در برابر تهدیدات سایبری است.

کلیدواژه ها:

سیستم تشخیص نفوذ ، شبکه عصبی ، مکانیزم توجه ، حمله منع سرویس توزیع شده

نویسندگان

مهران نصرتی

دانشجوی کارشناسی ارشد، دانشگاه گلستان، گرگان، ایران

فاطمه باقری

استادیار، دانشگاه گلستان، گرگان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

K. Nikolskaia and A. Minbaleev, “Legal regulation of incidents related ...
M. Sachdeva, G. Singh, K. Kumar, and K. Singh, “DDoS ...
J.A. Malik and M. Saleem, “Blockchain and cyber-physical system for ...
Z.A. Chughtai, S. Chugtai, R. Malik, H. Raza, and M. ...
J. Wei, C. Long, J. Li, and J. Zhao, “An ...
P. Mishra, E.S. Pilli, V. Varadharajan, and U. Tupakula, “Intrusion ...
K. Peng, V.C.M. Leung, L. Zheng, S. Wang, C. Huang, ...
Q. Schueller, K. Basu, M. Younas, M. Patel, and F. ...
C. Modi, D. Patel, B. Borisanya, A. Patel, and M. ...
V.R. Pathmudi, N. Khatri, S. Kumar, A.S.H. Abdul-Qawy, and A.K. ...
O. Alkadi, N. Moustafa, B. Turnbull, and K.-K. R. Choo, ...
R. Zhao, Y. Yin, Y. Shi, and Z. Xue, “Intelligent ...
A. Dawoud, S. Shahristani, and C. Raun, “Deep learning and ...
M. Almiani, A. AbuGhazleh, A. Al-Rahayfeh, S. Atiewi, and A. ...
P. Ghosh, A. Karmakar, J. Sharma, and S. Phadikar, “CS-PSO ...
R. SaiSindhuTheja and G.K. Shyam, “An efficient metaheuristic algorithm based ...
M.R. Gauthama Raman, N. Somu, K. Kirthivasan, R. Liscano, and ...
S.P. RM et al., “An effective feature engineering for DNN ...
D. Ciregan, U. Meier, and J. Schmidhuber, “Multi-column deep neural ...
A. Krizhevsky, I. Sutskever, and G.E. Hinton, “ImageNet classification with ...
Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, ...
M. Eskandari, Z.H. Janjua, M. Vecchio, and F. Antonelli, “Passban ...
Y. Mirsky, T. Doitshman, Y. Elovici, and A. Shabtai, “Kitsune: ...
H. Gharaee and H. Hosseinvand, “A new feature selection IDS ...
M. Belouch, S.E. Hadaj, and M. Idhammad, “A two-stage classifier ...
M.M. Baig, M.M. Awais, and E.-S.M. El-Alfy, “A multiclass cascade ...
B.A. Tama and K.-H. Rhee, “An in-depth experimental study of ...
R. Primartha and B.A. Tama, “Anomaly detection using random forest: ...
J.B. Awotunde, C. Chakraborty, and A.E. Adeniyi, “Intrusion detection in ...
S. Naseer et al., “Enhanced network anomaly detection based on ...
S. Alzughaibi and S. El Khediri, “A cloud intrusion detection ...
A. Maroosi, E. Zabbah, and H. Ataei Khabbaz, “Network Intrusion ...
A. Tajari Siahmarzkooh, “Intrusion Detection in Computer Networks Using Decision ...
M. Aamir and S.M. Ali Zaidi, “Clustering based semi-supervised machine ...
Y. Otoum, D. Liu, and A. Nayak, “DL-IDS: a deep ...
H.A. Ahmed, A. Hameed, and N.Z. Bawany, “Network intrusion detection ...
A. Singh, J. Amutha, J. Nagar, S. Sharma, and C.-C. ...
A. Raghuvanshi et al., “Intrusion detection using machine learning for ...
A. Jaszcz and D. Połap, “AIMM: artificial intelligence merged methods ...
J. Mazloum and H. Bigdeli, “An Optimized Compound Deep Neural ...
R. Chaganti, W. Suliman, V. Ravi, and A. Dua, “Deep ...
J. Figueiredo, C. Serrão, and A.M. De Almeida, “Deep learning ...
S.V.J. Rani et al., “Detection of DDoS attacks in D۲D ...
M. Khorram and M. Rahmanimanesh, “DDoS Attack Detection System Using ...
H. Lu, J. Liu, J. Peng, and J. Lu, “Adversarial ...
Y. Gorishniy, A. Kotelnikov, and A. Babenko, “TabM: Advancing tabular ...
I. Sharafaldin, A. Habibi Lashkari, and A.A. Ghorbani, “Toward generating ...
I. Sharafaldin, A. Gharib, A.H. Lashkari, A.A. Ghorbani, “Towards a ...
R. Abdulhammed, H. Musafer, A. Alessa, M. Faezipour, and A. ...
A. Gharib, I. Sharafaldin, A.H. Lashkari, and A.A. Ghorbani, “An ...
I. Sharafaldin, A.H. Lashkari, S. Hakak, and A.A. Ghorbani, “Developing ...
S. Abiramasundari and V. Ramaswamy, “Distributed Denial-of-Service (DDoS) Attack Detection ...

نمایش کامل مراجع