محمد جواد کریمی - فارغ التحصیل کارشناسی ارشد شبکه های کامپیوتری موسسه آموزش عالی جهاد دانشگاهی اصفهان
محمد رضا مصلحی - عضو هیئت علمی موسسه آموزش عالی جهاد دانشگاهی اصفهان

چکیده یک حمله انکار سرویس توزیع شده با هدف مصرف منابع قربانی و با ارسال درخواست های بسیار زیاد در بازه زمانی کوتاه، در نهایت منجر به توقف یک سرویس دهنده از خدمت دهی می شود. در این مقاله ما یک راهکار کاربردی برای تشخیص این حملات ارائه می دهیم. در این مقاله، ما عملکرد طبقه بندی کننده های مبتنی بر یادگیری ماشین را مورد تجزیه و تحلیل قرار داده ایم. برای تجزیه و تحلیل، ما از مجموعه داده های معیار CICDDOS۲۰۱۹ استفاده کرده ایم تا انواع جدیدی از حملات را مطالعه کنیم. جهت انتخاب ویژگی از دو روش ضریب همبستگی پیرسون و طبقه بندی کننده درخت اضافی استفاده شده است. در نهایت مشخص شده است که RF با کمترین زمان برای آموزش و پیش بینی، بهترین عملکرد را داشته است. علاوه بر این، مشخص شده است که انتخاب ویژگی با استفاده از طبقه بندی کننده درختان اضافی نسبت به روش ضریب همبستگی پیرسون از نظر کل زمان مورد نیاز در آموزش و پیش بینی برای اکثر طبقه بندی ها کارآمدتر است.

حملات انکار سرویس توزیع شده، الگوریتم جنگل تصادفی، روش کلاس بندی، اینترنت اشیاء.