Dimensionality Reduction for DDOS Database Using PCA
| العنوان بلغة أخرى: |
تقليل الأبعاد لقاعدة بيانات هجوم منع الخدمة الموزع باستخدام تحليل المكون الأساسي |
|---|---|
| المؤلف الرئيسي: | السميحيين، عمر حمد ناصر (مؤلف) |
| مؤلفين آخرين: | Al Kasassbeh, Mouhammd (Advisor) |
| التاريخ الميلادي: |
2019
|
| موقع: | مؤتة |
| الصفحات: | 1 - 38 |
| رقم MD: | 1055813 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
35
| المستخلص: |
يواجه الإنترنت والخدمات التي تقدمها الشبكة العديد من التهديدات. يعتبر هجوم منع الخدمة الموزع (DDOS) أحد هذه التهديدات. هذا النوع من الهجمات مضر جدا وقادر على إيقاف الشبكات أو الخدمات خلا فترة زمنية قصيرة. ومن الأمثلة على هذه الهجمات (HTTP Flood, TCP SYN Flood, ICMP-ECHO Flood, Slowloris, Slowpost, and Brute Force). هناك الكثير من قواعد بيانات (DDOS) التي تستخدم لاكتشاف وتصنيف هذه الهجمات. وتعتبر قاعدة بيانات (Simple Network Management Protocol – Management Information Base (SNMP-MIB)) واحدة منها. في هذه الأطروحة، استخدم تحليل المكون الأساسي (PCA) لتخفيض الأبعاد لقاعدة بيانات (SNMP-MIB). استخدمت أيضا خوارزميات تعلم الآلة (Multilayer Perceptron) و(J48) و(Random Forest) لاكتشاف وتصنيف الهجمات. قسمت قاعدة بيانات (SNMP-MIB) إلى خمس مجموعات هي (Interface) (IP) (TCP) (ICMP) (UDP). خفضت تقنية (PCA) متغيرات قاعدة بيانات (SNMP-MIB) من 34 إلى 15 متغير جديد. حققت خوارزمية (Random Forest) ما نسبته %100 دقة لمجموعتي (UDP) و (IP) و99.87%دقة باستخدام خوارزمية (J48) لمجموعتي (UDP) (UDP). |
|---|
عناصر مشابهة
-
An Enhanced Technique to Identify lot Attacks Using Deep Learning
بواسطة: برقان، عمر ناصر منشور: (2020) -
Using Principal Component Analysis and Linear Discriminant Analysis as Dimensional Reduction Techniques
بواسطة: فريحات، ساجدة منشور: (2021) -
An Agglomerative-Based Algorithm for Clustering Spatial Database Using Self-Motivated Graph
بواسطة: العمري، صفوت عمر منشور: (2007) -
Search in multimedia databases using similarity distance
بواسطة: بيدس، دانة مصطفى منشور: (2010) -
Design and Implementation an Iraqi Cities Database Using K-D Tree
بواسطة: حمد، مكية كاظم منشور: (2013)
