سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بهبود امنیت شبکه‌های رایانش ابری مبتنی بر معماری OpenFlow با استفاده از SVM

نویسندگان :

سویل قنبرزاده چاوشی¹

1- دانشگاه ازاد اسلامی واحد ارومیه

کلمات کلیدی :

امنیت رایانش ابری،ماشین بردار پشتیبان،OpenFlow،یادگیری ماشین،تشخیص نفوذ،انتخاب ویژگی،NSL-KDD

چکیده :

توسعه سریع خدمات رایانش ابری همراه با افزایش روزافزون حجم داده‌ها و حساسیت آنها، امنیت را به بزرگ‌ترین معضل این صنعت بدل کرده است. حملات روزافزون و پیچیده به زیرساخت‌ها و همچنین محبوبیت روزافزون معماری‌های مدرن، به ویژه شبکه‌های نرم‌افزارمحور با پروتکل OpenFlow، ضرورت به‌کارگیری راهکارهای هوشمند و خودکار برای شناسایی و پاسخ به تهدیدات را به شدت افزایش داده است Yang, Zhang, & Wang (2019) Ma, Zhang, & Wu (2022).در این تحقیق، یک مدل تشخیص نفوذ طراحی شده که بر پایه‌ی الگوریتم ماشین بردار پشتیبان عمل می‌کند. این مدل شامل مراحلی همچون جمع‌آوری داده‌ها، پیش‌پردازش، انتخاب ویژگی‌ها، آموزش مدل، تنظیم پارامترها و ارزیابی عملکرد تنظیم شده است Liu, Wang, & Wang (2019) Zhang, Sun, & Li (2021). اطلاعات از مجموعه داده NSL_KDDبهره‌برداری شده و برای ارزیابی عملکرد مدل از معیارهای دقت، دقت مثبت، فراخوانی و مقدار F1 استفاده شده است. این معیارها به ما امکان می‌دهند تا به‌طور جامع و دقیق، رفتار سیستم شناسایی نفوذ را تجزیه و تحلیل کنیم و نقاط قوت و ضعف آن را شناسایی کنیمWang & Guo (2019) Thaseen (2020). نتایج به‌دست‌آمده حاکی از آن است که مدل پیشنهادی از لحاظ دقت و کیفیت تشخیص حملات از الگوریتم‌های شناخته‌شده‌ای چون Naive Bayes و Random Forest عملکرد به‌مراتب بهتری از خود نشان می‌دهد و توانسته است نرخ‌های بالاتری را در شناسایی صحیح حملات به‌دست آورد. Zhang, Sun, & Li (2021) Wang & Guo (2019). این مطالعه با هم‌افزایی معماری OpenFlow و الگوریتم ماشین بردار پشتیبان ، یک راه‌حل مؤثر برای تقویت امنیت زیرساخت‌های رایانش ابری پیشنهاد می‌کند که توانایی پیاده‌سازی در زمان واقعی را نیز داراست.