همگامتک بنیاد تحقیقاتی هوش مصنوعی و اینترنت اشیا

بسمه‌تعالی

گزارش و تحلیل مقاله

Near real-time security system applied to SDN environments in IoT networks using convolutional neural network

اینترنت اشیا یک فناوری در حال تکامل است که در آن هر دستگاهی از طریق شبکه می‌تواند متصل شود و از طریق یک ایستگاه از راه دور کنترل شود.اصلی‌ترین مشکل در اینترنت اشیا، ویژگی ناهمگنی آن است، چون‌ هر سامانه‌ای برای کاربرد بهینه نیازمندی‌های متفاوتی در شبکه دارد. شبکه‌های سنتی برای تامین نیازهای جدید اینترنت اشیا، نا کارآمد هستند.الگوی جدیدی که هدف آن مقیاس‌پذیری و انعطاف‌پذیری در مدیریت شبکه است، شبکه‌های نرم‌افزارمحور (SDN) است.در این مقاله، یک سیستم امنیتی تقریبا بلادرنگ در محیط‌های SDN برای کاهش حملات DDOS ناشی از تجهیزات داخلی مانند botnetها، ارائه شده است. سیستم پیشنهادی کنترلر مرکزی SDN را در مقابل flooding محافظت کرده و از خروج حملات از شبکه مبدا جلوگیری می‌کند که باعث محافظت غیر مستقیم سرور قربانی می‌شود.

جمع‌بندی و پیشنهادات برای کارهای آتی

در این مقاله، روشی جهت تشخیص و کاهش حملات DDoS در SDN پیشنهاد شد. این روش رفتار ترافیکی SDN را در فواصل زمانی یک ثانیه بررسی می‌کند و به طور موثر وقوع حملات به کنترلر SDN و در نتیجه حملات به سرور خارجی را شناسایی و کاهش می‌دهد. طی دو سناریو در مقایسه با دیگر روش‌ها (MPL، D-MLP و LR)، کارایی این روش به نمایش درآمد. هم‌چنین کارایی ماژول Mitigation بر اساس GT، بررسی شد.

به صورت کار آتی می‌توان این موارد را در نظر گرفت:

• افزایش تعداد میزبان‌ها جهت افزایش حجم حملات خصوصا حملات داخلی پنهانکارانه DDoS
• بررسی دیگر روش‌های Deep learning و مقایسه با روش پیشنهادی
• افزایش ویژگی‌ها به لیست ویژگی‌های مورد بررسی در شبکه

مراجع

de Assis, Marcos VO, Luiz F. Carvalho, Joel JPC Rodrigues, Jaime Lloret, and Mario L. Proença Jr, "Near real-time security system applied to SDN environments in IoT networks using convolutional neural network", Computers & Electrical Engineering 86, pp.106738, 2020

براي مشاهده ويدئو روي تصوير زير کليک نماييد

فايل تحليل پروژه

فايل ارائه پروژه