شناسایی حملات مخرب از نوع DDOS به مراكز داده با استفاده ازالگوریتم ژنتیك و گراف پوشای كمینه (نمونه برداری از مركز داده كاملاً مجازی)

با رشد روزافزون صنعت نرم افزار و تكنولوژي وب نياز به مراكز داده قوي براي رفع نيازكاربران بيش ازپيش احساس مي شود. باپيشرفت همزمان فناوي زيرساخت وارتباطات شبكه پيچيده تر و توليد اطلاعات بيشترمي گردد.دراين مورد پژوهشگران اين حوزه هرروزبه دنبال روش هاي نوين جهت تسهيل ارتباطات و تعريف سياست هاي پويا جهت كنترل اطلاعات و جلوگيري از نفوذ خرابكاران شبكه و متعادل بودن مركزداده به تكاپو واداشته است. ما دراين مقاله علمي پژوهشي سعي داريم با استفاده ازنمونه برداري ازترافيك لحظه اي شبكه (كه البته در اين مقاله ما ازسرور مركز داده مجازي استفاده كرده ايم) به وسيله ي نرم افزار wireshark نسخه ي 3,4,1 حملات از نوع DDOS را درپيكره و Backbone شبكه (خصوصاً لايه سوم شبكه) با استفاده ازالگوريتم ژنتيك و الگوريتم گراف پوشاي كمينه تشخيص و براي شناسايي منطقه بحراني حمله با استفاده از دانش برنامه نويسي پايتون در نرم افزار Anaconda نسخه ي 3 و ماشين مجازي jupyter به كاوش مي پردازيم. هدف ما دراين مقاله شناسايي هدفمند ترافيك و بار شبكه درلحظه مي باشد و ترافيك غيرمتعارف نشاني از غيرعادي بودن رفتار خدمات گيرنده هاي(كلاينت ها)شبكه مي باشد كه شناسايي رفتار ترافيك شبكه در كوتاهترين زمان و شناسايي آدرس مبدا ارسال اطلاعات در شبكه و محتواي ارسالي از چالش هاي مهم الگوريتم هاي استفاده شده در طول زمان مي باشد. توجه به اين نكته كه تشخيص اشتباه منجر به ازبين رفتن اطلاعات مفيد در شبكه و سردرگمي نودهاي حامل مي گردد.

Keywords:

هوش مصنوعی , الگوریتم ژنتیک , مرکز داده , ترافیک , DDOS , امنیت شبکه , مسیریابی , الگوریتم کراسکال , گراف