چکیده مقاله
توسعه سریع خدمات رایانش ابری همراه با افزایش روزافزون حجم داده ها و حساسیت آنها، امنیت را به بزرگترین معضل این صنعت بدل کرده است حملات روزافزون و پیچیده به زیرساخت ها و همچنین محبوبیت روزافزون معماری های مدرن، به ویژه شبکه های نرم افزارمحور با پروتکل OpenFlow، ضرورت به کارگیری راهکارهای هوشمند و خودکار برای شناسایی و پاسخ به تهدیدات را به شدت افزایش داده است در این تحقیق یک مدل تشخیص نفوذ طراحی شده که بر پایه ی الگوریتم ماشین بردار پشتیبان عمل می کند این مدل شامل مراحلی همچون جمع آوری داده ها، پیش پردازش، انتخاب ویژگی ها، آموزش مدل، تنظیم پارامترها و ارزیابی عملکرد تنظیم شده است اطلاعات از مجموعه داده NSL_KDD بهره برداری شده و برای ارزیابی عملکرد مدل از معیارهای دقت، دقت مثبت، فراخوانی و مقدار F۱ استفاده شده است این معیارها به ما امکان می دهند تا به طور جامع و دقیق رفتار سیستم شناسایی نفوذ را تجزیه و تحلیل کنیم و نقاط قوت و ضعف آن را شناسایی کنیم نتایج به دست آمده حاکی از آن است که مدل پیشنهادی از لحاظ دقت و کیفیت تشخیص حملات از الگوریتم های شناخته شده ای چون Naive Bayes و Random Forest عملکرد به مراتب بهتری از خود نشان می دهد و توانسته است نرخ های بالاتری را در شناسایی صحیح حملات به دست آورد این مطالعه با هم افزایی معماری OpenFlow و الگوریتم ماشین بردار پشتیبان، یک راه حل موثر برای تقویت امنیت زیرساخت های رایانش ابری پیشنهاد می کند که توانایی پیاده سازی در زمان واقعی را نیز داراست
کلیدواژهها
نویسندگان
سویل قنبرزاده چاوشی
دانشجوی کارشناسی، گروه کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران
شیوه ارجاع
قنبرزاده چاوشی، سویل،1404،بهبود امنیت شبکه های رایانش ابری مبتنی بر معماری OpenFlow با استفاده از SVM،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز