منصة الرسائل والاطاريح: نظام تعلم آله وتخصيص ديناميكي لتحسين امنية شبكات الجيل القادم ضد هجمات الـ Ddo

الخلاصة

تمثل شبكات الجيل القادم ) (NGNتطور وتقارب مختلف تقنيات وخدمات وشبكات الاتصالات لتلبية المتطلبات المتزايدة للمجتمع. وتهدف شبكات الجيل القادم إلى توفير قدرات معززة وأداء محسن ومرونة أكبر مقارنة بالشبكات التقليدية. إحدى السمات الأساسية لشبكات الجيل التالي هي قدرتها على دعم شبكات الوصول المتعدد، مما يسمح للمستخدمين بالاتصال عبر تقنيات وصول مختلفة مثل الشبكات السلكية واللاسلكية والمتنقلة. يتيح ذلك الاتصال في كل مكان والتنقل السلس، وتمكين المستخدمين من الوصول إلى الخدمات في أي وقت وفي أي مكان وعلى أي جهاز ولكن هذه الميزة لها تأثير أمني يمكن أن يقلل من أداء الشبكة ويندد بسلامة البيانات المنقولة. تمثل هجمات رفض الخدمة الموزعة ) (DDoSتهديًدا كبيًار لشبكات الجيل التالي. يطغى المهاجمون على موارد الشبكة بكمية هائلة من حركة المرور من مصادر متعددة. اقترحت هذه الد ارسة بنية تحتية قابلة للتطوير يمكنها تخصيص الموارد ديناميكًيا وضبط تدفق حركة المرور للتخفيف من تأثير هجمات . DDoSتم استخدام خمس خوارزميات مختلفة للعثور على الخوارزمية الأكثر دقة والأسرع فيما يتعلق بوقت التدريب. في الاختبار، اثبتت خوارزمية الـ RFبأنها اعلى دقة من بين الخوارزميات فيما كانت الـ J48الخوارزمية الاسرع في وقت التدريب. بعد ذلك تم دمج الخوارزميتين مًعا للحصول على نموذج مكدس جديد حصل على دقة ٪99.9944في وقت الاختبار الـ .offline الهدف الأساسي للنموذج المكدس هو تطوير مصنف DDoSباستخدام خوارزمية التعلم الآلي ونشره داخل حاوية Dockerفي بيئة افتراضية للتعامل بكفاءة مع الهجمات المحتملة، تم توظيف منسق للإشراف على عملية القياس، وإنشاء مثيلات إضافية للمصنف لجة لمعا ديناميكًيا. يعتمد عدد المصنفات التي تم إنشاء مثيل لها على الموارد المتاحة (وحدة ا المركزية وذاكرة الوصول العشوائي) وكثافة الهجوم. وتشير النتائج إلى أن النهج المقترح يمنع بشكل فعال من هجوم DDoSبدقة تتراوح بين %97إلى %95.1حسب شدة الهجوم والموارد المتاحة