تشخیص حملات DrDoS DNS با استفاده از الگوریتم های یادگیری ماشین
تشخیص حملات DrDoS DNS با استفاده از الگوریتم های یادگیری ماشین
کبری بهلوری حجار1
1) کارشناسی ارشد امنیت اطلاعات، موسسه غیرانتفاعی
کد IOI مقاله
:
XDHZ-FBHDC
محل انتشار :
سومین کنفرانس مکانیک،مهندسی برق و کامپیوتر والنسیا اسپانیا(mecconf.com)
چکیده :
حملات انکار سرویس توزیع شده (DDoS) یکی از بزرگترین چالشهایی است که امروزه تحلیلگران و محققان با آن روبرو هستند. در میان بسیاری ، حملات DDoS بر اساس amplification و traffic reflection به نام حمله Distributed Reflection Denial of Service (حمله DrDos) هنوز تهدیدی قدرتمند برای شبکه های رایانه ای است. در حمله DrDos ، قربانی توسط بسته های پاسخ منعکس شده از میزبانهای قانونی بمباران می شود ، بنابراین تشخیص بسته های حمله از بسته های قانونی دشوار است. در این مقاله ، ما از مدل های مختلف یادگیری ماشین ، Naïve Bayes ، KNN ، Random Forest و SVM برای شناسایی کارآمد حملات DNS DrDos بر روی دیتاست پیشرفته CICDDoS2019 استفاده کردیم و نتایج را با دقت بالا در مقایسه با سایر مطالعات به دست آوردیم.
کلمات کلیدی : دقت حملات بازتابی و انعکاسی حملات drdos dns یادگیری ماشین