دوفصلنامه محاسبات و سامانه های توزیع شده

دوفصلنامه محاسبات و سامانه های توزیع شده

ارائه مدلی برای بهبود امنیت در رایانش ابری جهت جلوگیری از حملات انکار سرویس توزیع شده با استفاده از ماشین یادگیری افراطی و هوش مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان
1 1- فارغ‌التحصیل کارشناسی ارشد دانشگاه آزاد تهران واحد یادگار امام خمینی(ره) شهرری
2 دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیک از دانشگاه آزاد واحد علوم و تحقیقات
چکیده
چندین راه حل مبتنی بر یادگیری ماشین برای شناسایی حملات انکار سرویس توزیع شدهدر رایانش ابری پیشنهاد شده است که این پژوهش مدلی برای بهبود امنیت در رایانش ابری جهت جلوگیری از حملات انکار سرویس توزیع شدهبا استفاده از ماشین یادگیری افراطی و هوش مصنوعی ارائه می‌کند.. در این روش، یک مدل بهبود یافته SaE-ELM توسعه یافته است که می‌تواند استراتژی جهش، نرخ متقاطع و عملگر متقاطع را تطبیق دهد و قادر است به طور خودکار تعداد مناسب نورون های لایه پنهان را تعیین کند. برای ارزیابی روش پیشنهادی که برای تشخیص حمله در وب استفاده می‌شود از الگوریتم OSELM استفاده شده است و با چند روش دیگر هم‌رده مبتنی بر معیارهای مختلف برای ارزیابی در نظر گرفته شد. برای شبکه پیشنهادی 15 نرون در لایه پنهان تعداد 2500 تکرار در آموزش و تابع هسته زیگمودی پیشنهاد شد و با استفاده از مجموعه داده NSL-KDD ارزیابی شد. روش پیشنهادی به دقت تشخیص 86.80، درصد با NSL-XKD دست یافت و آزمایش‌ها نشان داد که عملکرد سیستم تشخیص حمله پیشنهادی بهتر از سیستم مبتنی بر SaE-ELM اصلی و تکنیک‌های پیشرفته است. با این حال، زمان آموزش طولانی‌تری نسبت به سیستم مبتنی بر SaE-ELM نتیجه شد.
کلیدواژه‌ها
موضوعات