Machine learning based DDOS attack detection for software-defined networks
Yazılım tanımlı ağlar için makine öğrenme esaslı DDOS attack algılama
- Tez No: 488414
- Danışmanlar: Assist. Prof. Dr. SEÇKİN ARI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
Yazılım tanımlı ağlar dediğimiz kontrol düzlemi eski ağlardaki dikey bütünleşmeyi ortadan kaldıracak ve denetleyici adı verilen bir ağ işletim sistemi vasıtasıyla ağın genel bir görünümünü sağlayacak olan yönlendirme düzleminden ayıran yeni bir ağ modelidir. Bu, önceden donanım olarak sağlanan bileşenlerin yazılımla bilgisayar ortamında kurulumunu azaltacak, yenilik, ağ güvenliği, hizmet kalitesi, isteğe bağlı hazırlama ve yük dengeleme işlemlerini destekleyecektir Özellikle sanal makinelerin, cloud bilgisinin ve sanallaştırmanın kök saldığı veri merkezinde daha da ileri bir teknoloji olarak ön plana çıkıyor. SDN, ağ üzerinden denetleyici aracılığıyla ağ genelinde bir görüş sağlama avantajına sahip olmasına rağmen, bu da onun güçlü zayıflığıdır çünkü denetleyici olmadan bir SDN ağı çalışamaz. Saldırganlar, denetleyiciyi işleyebileceğinden büyük taleplerle hedefliyorlar, dolayısıyla çevrimdışı eleştiriliyorlar. Bu araştırma, makine öğrenme tabanlı akış IDS'in melez bir mekanizmasının yanı sıra TCP SYN, ACK için denetleyiciyi etkilemeden bir saldırıyı tespit etmek için Entropi sayacı ve denetleyiciye saldıran IP adresleri gerçek zamanlı olarak engellenmiş bir hedefi vardır. SDN, normal bir ağın kaynaklarına sahip değildir, bu nedenle çözüm mümkün olduğunca hafif olmalıdır. Araştırma, kullanılabilecek bir saldırıyı kapsayan saldırı türlerini ve saldırı senaryosunu uygulamakla birlikte saldırının ilk birkaç saniyede nasıl hafifletilebileceğini gösterecek.
Özet (Çeviri)
Software-defined networking is a new networking model which decouples the control plane from the forwarding plane which eliminates vertical integration in current legacy networks and provide a global view of the network via a network operating system called a controller. This is going to cut the cost of networking through softwarerization of components previously provided as hardware, it will promote innovation, network security, quality of service, on demand provisioning and load balancing. It is being touted as a future technology especially in the data centers where virtual machines, cloud computing and virtualization are being adopted. Despite software-defined networking (SDN) having benefits like a network wide view through the controller, its biggest weakness is the controller itself. Attackers can direct massive requests to the controller than it can handle making it crash and unavailable thus rendering the network offline and unusable. The aim of this thesis is to propose a hybrid lightweight mechanism that runs with the controller to help identify anomalies in the network with use of minimum resources. Because of resource scarcity in SDN a flow intrusion detection system (IDS) is used but since the flow IDS has many false positives, when an attack is detected the flow is forwarded to an entropy calculator module which is based on the TCP 3-way handshake with a threshold set. If the flow is indeed an attack, it's mitigated by a SYN packet counter which blocks the IP address flooding the controller if the number of packets exceed a 50 packets per second.
Benzer Tezler
- Novel time-series based DDoS attack detection schemes for traditional networks and software defined networks
Geleneksel ve yazılım tabanlı ağlar için yeni, zaman serisi bağlamlı DDoS saldırı tespit şemaları
RAMIN FULADİ
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Detection of ddos attacks based on entropy-pca in SDN
SDN'de entropi-pca'ya dayalı ddos saldırılarının tespiti
HASEN HADI SADIQ AL-MOMIN
Yüksek Lisans
İngilizce
2020
Bilim ve TeknolojiAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
Assist. Prof. ABDULLAHI ABDU IBRAHIM
- A new proposed stacking generalization model for detecting ddos attacks in SDN environment
SDN ortamında ddos saldırılarını tespit etmek için yeni bir istifleme genelleştirme modeli
TASNIM ALASALI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OMAR DAKKAK
- Makine öğrenmesi algoritmalarının hibrit yaklaşımı ile ağ anomalisi tespiti
Network anomaly detection with a hybrid approach of machine learning algorthms
FEYZA ÖZGER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİT ÖZTEKİN