چکیده مقاله
حملات انکار سرویس توزیع شده DDoS به عنوان یکی از مخرب ترین تهدیدات امنیت سایبری در عصر حاضر محسوب می شوند که با اشباع منابع شبکه و سرویس ها، باعث اختلال در دسترسی کاربران قانونی می گردند این مقاله به ارائه یک چارچوب ترکیبی نوآورانه برای تشخیص کارآمد و دقیق این حملات می پردازد روش پیشنهادی از ترکیب الگوریتم ژنتیک GA برای انتخاب بهینه ویژگی ها و شبکه عصبی بازگشتی حافظه بلند کوتاه مدت LSTM برای طبقه بندی استفاده می کند در فاز اول، الگوریتم ژنتیک با استفاده از تابع برازندگی مبتنی بر دقت طبقه بندی و با پارامترهای بهینه شده، زیرمجموعه ای متشکل از ۲۰ ویژگی کلیدی را از بین ۸۵ ویژگی اولیه در دیتاست CIC DDoS۲۰۱۷ انتخاب می نماید در فاز دوم، داده های با ابعاد کاهش یافته به یک شبکه LSTM با معماری پیشرفته متشکل از دو لایه LSTM با ۶۴ و ۳۲ واحد ، لایه Dropout با نرخ ۰ ۵ و لایه خروجی Sigmoid تغذیه می شوند این شبکه با توانایی یادگیری وابستگی های زمانی بلندمدت در ترافیک شبکه، به طبقه بندی جریان های شبکه به دو کلاس عادی و مخرب می پردازد ارزیابی های جامع انجام شده بر روی دیتاست معتبر CIC DDoS۲۰۱۷ حاکی از برتری چشمگیر روش پیشنهادی است به طوری که این چارچوب به دقت ۹۹ ۸٪، دقت ۹۹ ۷٪، فراخوانی ۹۹ ۹٪ و امتیاز F۱ برابر با ۹۹ ۸٪ دست یافته است مقایسه نتایج با روش های پایه مانند Random Forest با دقت ۹۷ ۱٪ و مدل LSTM بدون انتخاب ویژگی با دقت ۹۸ ۵٪ ، برتری قابل توجه رویکرد ترکیبی پیشنهادی را به وضوح نشان می دهد مهم ترین دستاورد این پژوهش، کاهش ۷۶ درصدی ابعاد داده بدون کاهش دقت و همچنین افزایش کارایی مدل به دلیل حذف نویز و ویژگی های زائد است این امر مدل را برای استقرار در محیط های عملی با محدودیت منابع پردازشی مناسب می سازد
کلیدواژهها
نویسندگان
مجید نادعلی
دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیک دانشگاه جامع امام حسین ع
محمدرضا حسنی آهنگر
استاد تمام هوش مصنوعی و رباتیک دانشگاه جامع امام حسین ع
رامین دلیر
دانشجوی دکترای هوش مصنوعی و رباتیک دانشگاه جامع امام حسین ع
شیوه ارجاع
نادعلی، مجید و حسنی آهنگر، محمدرضا و دلیر، رامین،1404،تشخیص حملات DDoS با استفاده از الگوریتم ژنتیک و شبکه LSTM،بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک24 شهریور 1404 · شیروان