Um sensor baseado em Aprendizado de Máquina para detecção de ataque DDoS em tempo real-Reference-Cited by-同舟云学术

Um sensor baseado em Aprendizado de Máquina para detecção de ataque DDoS em tempo real

Published:2024-05-20 Issue: Volume: Page:89-96
ISSN:
Container-title:Anais Estendidos do XLII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2024)
language:
Short-container-title:

Author:

Ribeiro M. A.,Fonseca M.,Santi J.

Abstract

A negação de serviço distribuído (DDoS) tem como objetivo coordenar um ataque sincronizado a sistemas online utilizando equipamentos infectados (bots), causando lentidão ou indisponibilidade do serviço. Recentemente, este tipo de ataque evoluiu em termos de intensidade, diversidade e impacto econômico. Dentro deste contexto, este trabalho tem como objetivo apresentar uma ferramenta de detecção de DDoS em tempo real com base em um sensor que utiliza algoritmos de Aprendizado de Máquina. Um ambiente de testes foi desenvolvido para validar a eficácia da ferramenta. Serão discutidos o desempenho e os resultados dos diferentes classificadores utilizados na implementação do sensor. Os resultados indicam que o sensor é eficiente na detecção do ataques DDoS em aproximadamente 3 segundos.

Publisher

Sociedade Brasileira de Computação - SBC

Reference16 articles.

1. Barki, L., Shidling, A., Meti, N., Narayan, D., and Mulla, M. M. (2016). Detection of distributed denial of service attacks in software defined networks. In Int. Conf. on Advances in Computing, Communications and Informatics, pages 2576–2581.

2. Cil, A. E., Yildiz, K., and Buldu, A. (2021). Detection of ddos attacks with feed forward based deep neural network model. Expert Systems with Applications, 169:114520.

3. Dayal, N. and Srivastava, S. (2018). An rbf-pso based approach for early detection of ddos attacks in sdn. In Int. Conf. on Communication Systems & Networks, pages 17–24.

4. Dey, S. K., Rahman, M. M., and Uddin, M. R. (2018). Detection of flow based anomaly in openflow controller: Machine learning approach in software defined networking. In Int. Conf. Electrical Engineering and Information Com. Technology, pages 416–421.

5. Draper-Gil, G., Lashkari, A. H., Mamun, M. S. I., and Ghorbani, A. A. (2016). Characterization of encrypted and VPN traffic using time-related features. In International Conference on Information Systems Security and Privacy, pages 407–414. SciTePress.