تقييم أداء تقنيات تعلم الآلة في كشف هجمات LDoS في شبكات SDN

Abstract: SDNs are still not mature enough, especially in terms of security, and can easily become a prime target for many attacks such as DoS attacks that reduce or block network services and make them unavailable to users, or they may also be a gateway to other attacks.

In this article, we present an evaluation of a set of machine learning algorithms in detecting LDoS attacks in SDNs, where cybersecurity systems can analyze and learn patterns to help prevent similar attacks and respond to changing behavior. This can help cybersecurity research teams be more proactive in preventing threats and responding to active attacks in real time.

Keywords: SDN, LDoS, ML, Cyber Security.

المستخلص: ما تزال الشبكات المعرفة برمجيا SDN غير ناضجة كفاية وخاصة من الناحية الأمنية، ويمكن أن تصبح بسهولة هدفاً رئيساً للعديد من الهجمات كهجمات حجب الخدمة التي تسبب تقليل أو حجب خدمات الشبكة وجعلها غير متاحة للمستخدمين، أو قد تكون أيضاً بوابة لهجمات أخرى.

نقدم في هذه المقالة تقييم لمجموعة من خوارزميات التعلم الآلي في كشف هجمات LDoS في شبكات SDN، حيث يمكن لأنظمة الأمن السيبراني تحليل الأنماط والتعلم منها للمساعدة في منع الهجمات المماثلة والاستجابة للسلوك المتغير. وهذا يمكن أن يساعد فرق البحث في الأمن السيبراني على أن تكون أكثر استباقية في منع التهديدات والاستجابة للهجمات النشطة في الزمن الحقيقي.

الكلمات المفتاحية: الشبكات المعرفة برمجيا، هجوم حجب الخدمة منخفض معدل النقل، تعلم الآلة، الأمن الإلكتروني.