ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Distributed Denial of Service (DDoS) attacks have become significant threats on Internet according to the development of network infrastructure and recent communication technology. There are various types of DDoS attacks with different characteristics. These differences have made very difficult to detect such attacks. Furthermore, the sophisticated the evolution of DDoS attacks techniques and the enhanced scale of Botnet encourage attackers to launch DDoS attacks. The IP spoofing technique also makes difficult detect and traceback of DDoS attacks. In this paper, we propose a new detection model for spoofed DDoS attacks using dispersible traffic matrix and weighted moving average. This proposed detection model can not only visualize network traffic streams but also describe the dispersibility characteristics of DDoS attacks such as intensity, duration and rate of DDoS traffic. We carry out experiments on both DARPA 2000 dataset and real data in our network testbed environments so as to validate the feasibility of our approach. Our approach demonstrates that it effectively detects the DDoS attacks in the early stage and in very short time, even though DDoS attacks’ streams are low. Also, the proposed detection model shows a good performance in terms of detection accuracy, speed, and false alarms.
طبق توسعه زیرساخت شبکه و فناوری ارتباطات اخیر، حملات منع سرویس توزیع شده (DDoS) به تهدیدهای مهمی روی اینترنت تبدیل شده اند. انواع مختلفی از حملات DDoS با ویژگیهای گوناگون وجود دارد. این اختلافات، تشخیص چنین حملاتی را بسیار سخت ودشوار نموده است. به علاوه، پیچیدگی تکامل تکنیک های حملات DDoS و مقیاس بهبود یافته Botnet، مهاجمین را تشویق به راه اندازی حملات DDoS می کند. در این مقاله، مدل تشخیص جدیدی برای حملات DDoS اسپوف شده با استفاده از ماتریس ترافیک متفرق شدنی و میانگین متحرک وزندار پیشنهاد می کنیم. این مدل تشخیص پیشنهاد شده نه تنها قادر به تجسم جریانات ترافیک شبکه می باشد، بلکه همچنین مشخصات پراکندگی پذیری یا قابلیت پراکندگی حملات DDoS نظیر شدت، مدت و سرعت ترافیک DDoS را شرح می دهد. در اینجا آزمایشاتی روی مجموعه داده DARPA 2000 و داده های واقعی در محیط های بستر تست شبکه جهت تائید امکان پذیری شیوه پیشنهادی انجام می دهیم. شیوه پیشنهادی توضیح می دهد قادر به تشخیص موثر حملات DDoS در مرحله اولیه و درمدت زمان بسیار کوتاه می باشد، حتی اگر جریانات حملات DDoS در سطح پائینی قرار داشته باشد. همچنین روش تشخیص پیشنهادی عملکردخوبی از لحاظ صحت تشخیص، سرعت و آلارم های کاذب نشان می دهد.