سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

سیستم تشخیص حملات DDOS با استفاده از روش دسته بندی گروهی و رویکرد یادگیری فعال

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 274

This Paper With 18 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_PADSA-11-3_010

Index date: 19 February 2024

سیستم تشخیص حملات DDOS با استفاده از روش دسته بندی گروهی و رویکرد یادگیری فعال abstract

حمله منع سرویس توزیع شده (DDoS) ارسال گسترده ای از بسته های معتبر یا نامعتبر به یک سرور در اینترنت است که از این طریق پهنای باند آن را اشغال کرده و مانع از اجرای درخواست های قانونی سایر کاربران می شود. بهترین رویکرد برای ایمن سازی شبکه از چنین حملاتی، داشتن کنترل های امنیتی از قبیل سامانه های تشخیص و پیشگیری از نفوذ است. محققان امنیت سایبری به طور قابل توجهی بر روی شناسایی و مقابله با این حمله تمرکز کرده و با ارائه راهکارهای مختلف هوش مصنوعی، دقت و عملکرد سامانه های امنیتی را افزایش داده اند. هدف از این مقاله، ارائه راهکاری برای تشخیص حمله DDoS است. در روش پیشنهادی از الگوریتم های درخت تصمیم، پرسپترون چندلایه و جنگل تصادفی به روش گروهی برای افزایش اطمینان از عدم ایجاد مشکل برازش بیش ازحد استفاده شده است. همچنین دو رویکرد یادگیری دسته ای و یادگیری فعال در بخش دسته بندی، پیاده سازی و ارزیابی شده است. نتایج ارزیابی نشان می دهد دقت روش پیشنهادی جهت شناسایی حمله DDoS ، ۹۹.۸۱%.شده است.

سیستم تشخیص حملات DDOS با استفاده از روش دسته بندی گروهی و رویکرد یادگیری فعال Keywords:

شناسایی حمله DDoS , دسته بندی ترافیک شبکه , امنیت شبکه , روش گروهی , یادگیری فعال , ویژگی های سطح جریان , مجموعه داده CICIDS۲۰۱۷

سیستم تشخیص حملات DDOS با استفاده از روش دسته بندی گروهی و رویکرد یادگیری فعال authors

مسعود خرم

گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، شهر سمنان، ایران

محمد رحمانی منش

گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، شهر سمنان،ایران