آمار
| تعداد نشریات | 39 |
| تعداد شماره‌ها | 1,115 |
| تعداد مقالات | 8,109 |
| تعداد مشاهده مقاله | 6,004,455 |
| تعداد دریافت فایل اصل مقاله | 3,268,777 |
سیستم تشخیص حملات DDOS با استفاده از روش دسته‌بندی گروهی و رویکرد یادگیری فعّال | ||
| پدافند الکترونیکی و سایبری | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 29 مهر 1402 اصل مقاله (1.25 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مسعود خرّم* 1؛ محمد رحمانی‌منش2 | ||
| 1گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، شهر سمنان، ایران | ||
| 2گروه آموزشی مهندسی کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، شهر سمنان،ایران | ||
| تاریخ دریافت: 01 تیر 1400، تاریخ بازنگری: 30 فروردین 1402، تاریخ پذیرش: 31 تیر 1402 | ||
| چکیده | ||
| حمله منع سرویس توزیع‌شده (DDoS) ارسال گسترده‌ای از بسته‌های معتبر یا نامعتبر به یک سرور در اینترنت است که از این طریق پهنای باند آن را اشغال کرده و مانع از اجرای درخواست‌های قانونی سایر کاربران می‌شود. بهترین رویکرد برای ایمن‌سازی شبکه از چنین حملاتی، داشتن کنترل‌های امنیتی از قبیل سامانه‌های تشخیص و پیشگیری از نفوذ است. محققان امنیت سایبری به‌طور قابل‌توجهی بر روی شناسایی و مقابله با این حمله تمرکز کرده و با ارائه راهکارهای مختلف هوش مصنوعی، دقت و عملکرد سامانه‌های امنیتی را افزایش داده‌اند. هدف از این مقاله، ارائه راهکاری برای تشخیص حمله DDoS است. در روش پیشنهادی از الگوریتم‌های درخت تصمیم، پرسپترون چندلایه و جنگل تصادفی به روش گروهی برای افزایش اطمینان از عدم ایجاد مشکل برازش بیش‌ازحد استفاده‌شده است. همچنین دو رویکرد یادگیری دسته‌ای و یادگیری فعّال در بخش دسته‌بندی، پیاده‌سازی و ارزیابی‌شده است. نتایج ارزیابی نشان می‌دهد دقت روش پیشنهادی جهت شناسایی حمله DDoS ، 99.81%.شده است. | ||
| کلیدواژه‌ها | ||
| شناسایی حمله DDoS؛ دسته‌بندی ترافیک شبکه؛ امنیت شبکه؛ روش گروهی؛ یادگیری فعال؛ ویژگی‌های سطح جریان؛ مجموعه داده CICIDS2017 | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 23 تعداد دریافت فایل اصل مقاله: 19 |
||