فایل ورد کامل تشخیص حملات DDoS با استفاده از ماتریس ترافیک بهینه سازی شده

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تشخیص حملات DDoS با استفاده از ماتریس ترافیک بهینه سازی شده،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۴ صفحه

۵ نتایج
در این مقاله، مدل تشخیص جدیدی برای تشخیص حملات DDoS با استفاده از قابلیت پراکندگی آدرس های IP مبدا بسته های ورودی پیشنهاد کرده ایم. در اینجا از یک شیوه مبتنی بر ماتریس ترافیک بهبود یافته و پارامترهای بهینه سازی شده از طریق الگوریتم ژنتیک (GA) استفاده کرده ایم. نشان دادیم شیوه پیشنهادی به نیازمندیهای اصلی شیوه تشخیص، نظیر سربار پردازش پائین، تاخیر در تشخیص کوتاه، و نرخ تشخیص بالا دست می یابد. به علاوه، از مدل پیشنهادی می توان در محیط شبکه بلادرنگ استفاده و به راحتی آن را پیاده نمود. ساخت ماتریس ترافیک تنها نیازمند دو فیلد از هدر یا عنوان IP نظیر زمان ورود بسته و آدرس IP مبدا می باشد. از تابع هش اصلاح شده ساده نیز برای استقراربسته ها در ماتریس ترافیک و اجتناب از برخوردهای هش استفاده گردید. پنجره متغیر براساس تعداد بسته های ورودی، مدل پیشنهادی را از لحاظ تاخیر در تشخیص موثر جلوه داده و سربارهای محاسباتی را در مقایسه با شیوه قبل، کاهش می دهد. مدل تشخیص پیشنهادی با بهینه سازی پارامترهای تشخیص از طریق GA طبق محیط های شبکه متناظر، نیز می تواند نرخ تشخیص را به حداکثر برساند.

عنوان انگلیسی:Detection of DDoS attacks using optimized traffic matrix~~en~~

۵ Conclusions In this paper, we have proposed a novel detection model to detect DDoS attacks using the dispersibility of the inbound packets’ source IP addresses. We have employed an enhanced traffic matrix based approach and optimized parameters through the Genetic Algorithm (GA). We showed that our proposed approach satisfies the major requirements of the detection approach such as low processing overheads, short detection delay, and high detection rates. Furthermore, our model can be used in a real-time network environment and it can be implemented easily. Constructing a traffic matrix requires only two fields of IP header such as arrival time of packet and source IP address. A simple reformed hash function was also adopted to locate packets to the traffic matrix and avoid hash collisions. A variable window based on the number of incoming packets makes our model effective in terms of the detection delay and reduces computational overheads comparable to our previous approach. Our detection model can also maximize the detection rates by optimizing detection parameters through GA according to corresponding network environments.

$$en!!