Geri Dön

DDOS attacks detection using machine learning models in SDNS

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 728928
  2. Yazar: MOHAMMED AL-ADEMI
  3. Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 45

Özet

Özet yok.

Özet (Çeviri)

SDN (Software Defined Networking) has numerous benefits, including management, scalability, and increased efficiency. Furthermore, SDN has unique security challenges, particularly when the controller of it is subject to Distributed Denial of Service (DDoS) assaults. When DDoS assaults are launched against the SDN controller, the process and communication capacities are exceeded. For the attacker packets, the controller creates superfluous flow, causing the switch flow entries to build up and the system to collapse catastrophically. In this work, various methods were used to identify DDoS assaults in SDN. First, SDN was used to collect specific features for the datasets in both ordinary and DDoS network attacks. We picked the features to reduce the algorithms, making them easier to follow, and reduce the training time. Our features were trained and evaluated using logistic regression. Classification methods based on K-Nearest Neighbors (KNN) and Artificial Neural Networks (ANN). The results of the tests revealed that the Artificial Neural Network (ANN) classifier had the best accuracy rate (98.9 percent) in detecting DDoS attacks. The findings show that machine learning can improve detection of DDoS assaults in SDN while also reducing loads of the processing and delays.

Benzer Tezler

  1. Tez No

    690531

    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

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN ANARIM

  2. Tez No

    899383

    DDoS attack detection using machine learning and deep learning methods

    Makine öğrenmesi ve derin öğrenme yöntemleri ile DDoS atak tespiti

    DENİZ MERVE GÜNDÜZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMİN KUĞU

  3. Tez No

    806718

    Intrusion detection system in internet of things networks using machine learning techniques

    Nesnelerin internet ağlarında makine öğrenme teknikleri kullanarak saldırı tespit sistemi

    MUHANAD BADEE MUHAMMED AL-DOORI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. SEFER KURNAZ

  4. Tez No

    797235

    Distributed detection of ddos attacks in machine learning-enabled software defined networks

    Başlık çevirisi yok

    ALİ CAN FİDANCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    BiyomühendislikPolitecnico di Milano

    PROF. FRANCESCO MUSUMECİ

    PROF. MASSİMO TORNATORE

  5. Tez No

    670811

    Makine öğrenmesi algoritmaları ile DDOS saldırı tespiti ve sınıflandırması

    DDOS attack detection and classification by machine learning algorithms

    FURKAN SERDAROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Siber Güvenlik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN YÜCE

Geri Dön