مقاله کنفرانسی سال ۱۴۰۴ فارسی

تشخیص ترکیبی حملات DDoS با تلفیق تحلیل لایه های شبکه های اجتماعی و ترافیک ابری بر پایه مدل هیبریدی FRE

چکیده مقاله

با گسترش تحول دیجیتال و همگرایی زیرساخت های حیاتی مانند شبکه های نسل پنجم، رایانش ابری و پلتفرم های شبکه های اجتماعی سطح تهدیدات سایبری به طور قابل توجهی افزایش یافته است در این میان حملات انکار سرویس توزیع شده DDoS به عنوان یکی از جدی ترین تهدیدها علیه دسترس پذیری خدمات با بهره گیری از بات نت های هوشمند و حملات کم نرخ و پنهان به سطح بالایی از پیچیدگی رسیده اند این تحول باعث شده روش های تشخیص سنتی که عمدتا بر آستانه های ترافیکی یا امضاهای ثابت متکی هستند کارایی لازم را نداشته و نرخ هشدارهای کاذب افزایش یابد این مقاله با تمرکز بر پژوهش های انجام شده در بازه زمانی ۲۰۲۱ تا ۲۰۲۵ رویکردهای نوین تشخیص حملات DDoS را بررسی کرده و یک چارچوب ترکیبی مبتنی بر مدل هیبریدی FRE پیشنهاد می دهد این مدل که تلفیقی از منطق فازی، جنگل تصادفی و فاصله اقلیدسی است، دقت تشخیصی بالاتر از ۹۹ ۸ درصد را نشان داده است نوآوری اصلی پژوهش ادغام این مدل با تحلیل لایه اجتماعی از جمله شناسایی محتوای کم اعتبار کاربران اثرگذار و الگوهای هماهنگی حمله در محیط های ۵G و MEC است نتایج نشان می دهد رویکردهای ترکیبی ضمن افزایش دقت، تشخیص امکان پیاده سازی بلادرنگ در لبه شبکه را فراهم می کنند و مسیر تازه ای برای تحقیقات آینده در امنیت شبکه های نسل بعدی ارائه می دهند

کلیدواژه‌ها

شبکه های اجتماعی حملات DDoS مدل هیبریدی FRE محاسبات لب های یادگیری ماشین شبکه های نسل پنجم شبکه های نرم افزارمحور

نویسندگان

تصویر راضیه کیامهر

راضیه کیامهر

گروه مهندسی کامپیوتر واحد اراک دانشگاه آزاد اسلامی، اراک، ایران

شیوه ارجاع

کیامهر، راضیه و بعاجی کاظمی، زهرا و غیاث آبادی، منصوره،1404،تشخیص ترکیبی حملات DDoS با تلفیق تحلیل لایه های شبکه های اجتماعی و ترافیک ابری بر پایه مدل هیبریدی FRE،دومین کنفرانس بین المللی دو سالانه پیشرفت ها در هوش مصنوعی و علوم داده،بوشهر

ارائه‌شده در

پوستر همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور» همایش «بسیج، پیشرفت و امنیت پایدار در منطقه جنوب شرق کشور»7 بهمن 1404 · تهران
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۶۳۶ مشاهده

تشخیص کبد چرب و نرمال در تصاویر سونوگرافی با استفاده از شبکه های عصبی کانولوشن

بیماری کبد چرب غیرالکلی شایع ترین بیماری مزمن کبدی در جهان است و در صورت عدم تشخیص به موقع می تواند به ف…

کبد چربسونوگرافییادگیری عمیق
مقاله کنفرانسی سال ۱۴۰۴ ۲۱۱ مشاهده

پیش بینی بیماری نارسایی مزمن کلیوی (CKD) با تمرکز بر یادگیری ماشین و یادگیری عمیق

بیماری مزمن کلیوی CKD یکی از شایع ترین و پرهزینه ترین بیماری های غیرواگیر در جهان محسوب می شود که تشخیص…

یادگیری ماشینیادگیری عمیقانتخاب ویژگی
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۹ مشاهده

معرفی سیستم هوشمند دریافت اطلاعات صوتی فرم های کوهورت دیابت

با گسترش قدرت هوش مصنوعی دامنه کاربرد آن در نیازهای گوناگون روز به روز بیشتر می شود در حوزه های مختلف به…

پردازش هوشمندصوتپردازش زبان طبیعی
مقاله کنفرانسی سال ۱۴۰۴ ۱۷۲ مشاهده

تشخیص باند فرود پهپاد در شرایط چالش برانگیز با استفاده از دوربین RGB و شبکه های عصبی عمیق مجهز به مکانیزم توجه

با گسترش کاربرد پهپادها در ماموریت های خودکار تشخیص دقیق و قابل اعتماد محل مناسب فرود در شرایط محیطی و ن…

بینایی ماشینیادگیری عمیقمکانیزم توجه ترکیبی
مقاله کنفرانسی سال ۱۴۰۴ ۱۵۲ مشاهده

پیش بینی گرایش به مصرف سیگار در دانشجویان بر اساس متغیرهای تحصیلی و اجتماعی

این پژوهش با هدف پیش بینی وضعیت سیگاری بودن دانشجویان دانشگاه شهید چمران اهواز با استفاده از داده های حا…

دانشجویانیادگیری ماشینسیگار
مقاله کنفرانسی سال ۱۴۰۴ ۱۴۸ مشاهده

تاثیر بازاریابی شخصی سازی شده مبتنی بر هوش مصنوعی مولد بر رفتار مصرف کننده در خرده فروشی آنلاین رویکردی مبتنی بر مدل مفهومی یکپارچه

در عصر دیجیتال کنونی خرده فروشی آنلاین به سرعت در حال تحول است و هوش مصنوعی مولد به عنوان یکی از کلیدی ت…

هوش مصنوعی مولدنگرانی های اخلاقیشخصی سازی فوق العاده