A Mechanism for Detecting and Classifying Network Anomalies Using SNMP-MIB Data
| العنوان بلغة أخرى: |
آلية الكشف وتصنيف شذوذات الشبكة باستخدام بيانات SNMP-MIB |
|---|---|
| المؤلف الرئيسي: | Al Hawari, Eshraq Mohammad (Author) |
| مؤلفين آخرين: | Al Kasassbeh, Mouhammd (Advisor) |
| التاريخ الميلادي: |
2015
|
| موقع: | مؤتة |
| الصفحات: | 1 - 84 |
| رقم MD: | 786762 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | عمادة الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
19
| المستخلص: |
النمو السريع في شبكات الحاسوب وفي استخدام الإنترنت في السنوات الحديثة الأخيرة؛ مع النمو في كمية البيانات المتبادلة عبر الشبكات؛ أدى إلى زيادة في كمية التهديدات الخبيثة والغامضة على شبكات الكمبيوتر. من بين قضايا أمنية متعددة؛ هجوم الشبكة هو التهديد الأكبر. حاليا، بما أن هجمات (DoS) هي الهجمات الأكثر جاذبية للمهاجمين وتشكل تهديدات مدمرة لخدمات الشبكة. هذا جعل كشف شذوذ الشبكة مهمة حساسة في حقل أمن الشبكات ومنطقة بحث حيوية. الحصول على النوع الصحيح من البيانات حول حركة مرور الشبكة هو ضروري لكشف التسلل بشكل دقيق وسريع. (SNMP) يوفر معلومات إحصائية غنية حول ماذا يحدث حاليا على وحدات الشبكة. في هذه الأطروحة؛ نبحث في استخدام (SNMP) لكشف شذوذ الشبكة. نقدم آلية مستندة على MIB لكشف هجمات الشبكة وتصنيف نوع الهجوم باستخدام تقنيات تعلم الآلة. أولا، جمعنا بيانات (SNMP MIB) الإحصائية من خلال تجارب واقعية تتضمن أنواع مختلفة من هجمات (DoS) وهجوم (Brute Force). ثانيا، طبقنا تقنيات تعلم الآلة على مجموعة بيانات (MIB) لتصنيف الهجمات من خلال منهجين. في المنهج الأول، بيانات (MIB) المجمعة يتم تصنيفها إلى المجموعات (Interface, IP, TCP, ICMP, UDP) التابعة لها، ثم تطبيق المصنفات على كل مجموعة بشكل منفصل؛ من أجل أن نبين فعالية كل مجموعة في التعرف على الهجمات. في المنهج الثاني؛ يتم استخدام متغيرات (MIB) التي تم تجميعها مع طريقة اختيار ميزات دقيقة لاختيار المتغيرات الأكثر فعالية؛ ثم مصنفات تعلم الآلة تستخدم لتصنيف نوع الهجوم. النتائج التجريبية لاستخدام (SNMP MIB) في كلا المنهجين تبين أن طريقتنا حققت نتائج عالية في التعرف على الهجمات وتصنيفها في كلا المنهجين باستخدام تقنيات تعلم الآلة. |
|---|---|
| وصف العنصر: |
مستخلصات الأبحاث |
عناصر مشابهة
-
Iot Anomaly Detection Using Multiclass Matched Filters
بواسطة: الجابرية، حنان حميد سيف منشور: (2020) -
Ransomware Attacks Detection Using Auxiliary Classifier Generative Adversarial Network
بواسطة: الهاشمي، عبدالله حمد سعيد منشور: (2022) -
Anomaly Intrusion Detection Based on a Hybrid GSA-SVM Classifier
بواسطة: Ben Qdara, Salima Omar منشور: (2017) -
A Privacy Preserving Analytics for Internet of Things Data Using Generative Adversarial Networks "GANS"
بواسطة: Shariah, Majd Ahmad منشور: (2020) -
Anomaly Detection in Wireless Sensor Networks (WSNs) by using Machine Learning Techniques
بواسطة: Lasasmeh, Alaa Ahmad منشور: (2015)
