مرور مولفه های سیستم شناسایی و جلوگیری از حملات دیداس در شبکه های نرم افزارمحور به کمک هوش مصنوعی

چکیده مقاله

معماری شبکه نرم افزار محور با جداسازی سطح کنترل از سطح داده، فعالیت سطح کنترل را بر روی کنترلر متمرکز می کند این جداسازی قابلیت برنامه نویسی و به تبع آن استفاده از تکنیک های هوش مصنوعی برای خودکارسازی فرآیندهای امنیتی راسبب شده است یادگیری ماشین و یادگیری عمیق در شناسایی و کاهش حملات دیداس بیشترین توجه محققان را به خودجلب کرده اند هدف این تحقیق آشنایی مخاطبان با معماری شبکه های مبتنی برنرم افزار، مولفه های ایجاد سیستم شناسایی وکاهش حمله دیداس در آن و همینطور آشنایی با ابزار و نحوه ی پیاده سازی مدل ها می باشد اطلاعات مورد نیاز این تحقیق بامرور مقالات مرتبط سالهای پیشین جمع آوری شده است برای دسترسی به این مقالات کتابخانه ی دیجیتال IEEE و موتورجستوجوگر علمی Google Scholar مورد استفاده قرار گرفته و سپس مدل های پیشنهادی این مقالات بررسی و نتیجه ها در۴ دسته گزارش شدهاند: ۱ حداقل مولفه های مورد نیاز مدل شناسایی دیداس در شبکه های نرم افزار محور ۲ مولفه هایموجود در جامع ترین مدل پیشنهادی سیستم شناسایی و کاهش حملات نامبرده ۳ تحلیل مجموعه داده های به کار رفته ۴ پیشنهاد یک ساختار با در نظر گرفتن تمامی نقاط مثبت در تحقیقات پیشین به عنوان آینده ی تحقیقاتی

کلیدواژه‌ها

نویسندگان

امیرحسین جعفری

کارشناسی ارشد فناوری اطلاعات سرباز وظیفه ناحیه مقاومت بسیج امام رضا ع قم

�عفری، امیرحسین،1402،مرور مولفه های سیستم شناسایی و جلوگیری از حملات دیداس در شبکه های نرم افزارمحور به کمک هوش مصنوعی،دهمین همایش ملی علوم و مهندسی دفاعی با رویکرد مقابله با تهدیدات نوین دفاعی،تهران

ارائه‌شده در

مجموعه مقالات دهمین همایش ملی علوم و مهندسی دفاعی با رویکرد مقابله با تهدیدات نوین دفاعی4 دی 1402 · تهران