چکیده مقاله
یک مهاجم سایبری می تواند با استفاده از روش های مختلف به شبکه ها و سرورها حمله کند، به ویژه زمانی که تعداد زیادی دستگاه در جهان به شبکه متصل هستند در چنین شرایطی، احتمال وقوع حملات توزیع شده ی محروم سازی از سرویس DDoS افزایش می یابد؛ حملاتی که می توانند موجب اختلال در منابع شبکه، کاهش عملکرد سیستم و حتی خرابی داده ها شوند به همین دلیل، تشخیص ناهنجاری ها و اختلالات در ترافیک شبکه برای شناسایی فعالیت های مخرب اهمیت زیادی دارد، زیرا این کار در حفظ امنیت شبکه و پایداری سیستم های سایبر–فیزیکی CPS نقش حیاتی ایفا می کند دراین مقاله به بررسی و مقایسه روش های مختلف شناسایی حملات DDoS می پردازد و نحوه ی استفاده از مسیرهای داده ای Data Paths و فیلترینگ بسته ها در شبکه های با سرعت بالا HSN را تحلیل می کند همچنین، روش های مبتنی بر یادگیری ماشین و یادگیری عمیق در سیستم های شناسایی نفوذ IDS و IDSهای مبتنی بر جریان، مورد توجه قرار گرفته اند در این مطالعه، یک طبقه بندی جامع از انواع حملات DDoS ارائه شده و استراتژی های شناسایی موجود همراه با معیارهای ارزیابی دقت در شبکه های پرسرعت بررسی شده اند در نهایت، با تحلیل چالش ها و محدودیت های فعلی در مقابله با حملات DDoS در محیط HSN، مسیرهای جدیدی برای تحقیقات آینده پیشنهاد شده است تا پژوهشگران بتوانند به راه حل های موثرتر و کاربردی تر دست یابند
کلیدواژهها
نویسندگان
احسان نریمانی
دکترای کامپیوتر نرم افزار، دانشگاه نجف آباد، اصفهان، ایران
علی مردانی
کارشناسی علوم کامپیوتر، دانشگاه نجف آباد، اصفهان، ایران
شیوه ارجاع
نریمانی، احسان و مردانی، علی،1404،بررسی تشخیص حملات DDoS به همراه مشکلات، چالش ها و توصیه ها،اولین کنفرانس بین المللی مدیریت، علوم کامپیوتر و هوش مصنوعی،تهران
ارائهشده در
مجموعه مقالات اولین کنفرانس بین المللی مدیریت، علوم کامپیوتر و هوش مصنوعی30 بهمن 1404 · تهران