رویکرد مبتنی بر یادگیری عمیق برای تشخیص حملات توزیع شده به کنترلر SDN

رشد سریع رویکرد محاسبات ابری در عصر حاضر، منجر به توسعه ی فناوریهایی مثل فناوری شبکه ینرم افزار محور شده است. شبکه ی نرم افزار محور یک فناوری مدیریت شبکه است که منجر به مدیریتپویا و بهبود عملکرد هر شبکه میگردد. با این حال، یکی از چالش های مهم، تهدیدهای امنیتی آن است،مخصوصا اینکه کنترلر SDN که یک کنترلر نرم افزاری است، به یک هدف جذاب برای حملات انکارسرویس توزیع شده ۲ تبدیل شده است. بسیاری از محققان رویکردهای مختلفی را برای تشخیص حملاتDDoS ارائه دادهاند. با این حال، این رویکردها نرخ مثبت کاذب و دقت کمی دارند و دلیل اصلی آن بهنظر استفاده از ویژگی های فاقد صلاحیت و مجموعه داده های غیر واقع گرایانه است. بنابراین، میتوان ازروش یادگیری عمیق برای تشخیص حملات DDoS در کنترلرهای SDN استفاده کرد. رویکردپیشنهادی شامل سه مرحله است، (۱) پیش پردازش داده ها، (۲) انتخاب ویژگیهای متقابل که هدف آنشناسایی ویژگیهای مهم برای تشخیص DDoS است و (۳) تشخیص با استفاده از مدل شبکه هایعصبی بازگشتی است. برای ارزیابی رویکرد پیشنهادی از طریق یک مجموعه داده معیار و استاندارد ازجمله نرخ مثبت کاذب و دقت تشخیص استفاده میشود. یافته ها نشان میدهد که رویکرد توصیه شده بهطور موثری حملات DDoS را با میانگین دقت ۱۸۶ / ۹۴ درصد تشخیص میدهد.

Keywords:

یادگیری عمیق , شبکه عصبی بازگشتی , حملات توزیع شده , شبکه ی نرم افزار محور