An Anomaly Based Approach for DDoS Attacks Detection in Cloud Environment
| العنوان بلغة أخرى: |
نموذج لاكتشاف هجومات الحرمان من الخدمة في بيئة الحوسبة السحابية |
|---|---|
| المؤلف الرئيسي: | الهواورة، منى سليمان (مؤلف) |
| مؤلفين آخرين: | الكساسبة، محمد (مشرف) |
| التاريخ الميلادي: |
2016
|
| موقع: | مؤتة |
| الصفحات: | 1 - 90 |
| رقم MD: | 951038 |
| 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
60
| المستخلص: |
تعتبر الحوسبة السحابية أكثر كلمة رنانة في مجال تقنية المعلومات خلال السنوات الماضية وللمستقبل، ولقد جذبت اهتمام الكثير من الباحثين نظرا لتطبيقاتها الواسعة النطاق وفوائدها الجمة، ومع ذلك، قضية الأمن تشكل عائق وتحدي كبير لمزودي خدمات الحوسبة السحابية. اليوم، تشكل التهديدات الداخلية من خلال هجومات الحرمان من الخدمة (DDos) تحدي كبير لتقنية الحوسبة السحابية، حيث أن عدم توفر الخدمة وانقطاع الاتصال يؤدي إلى تعطيل الخدمات التي تزودها الحوسبة السحابية، مما ينتج عن ذلك خسائر مالية كبيرة جدا للزبائن. لذلك لحماية بيئة الحوسبة السحابية وبشكل خاص بيئة الحوسبة السحابية الافتراضية من نشاط هجومات الحرمان من الخدمة فإن نظام اكتشاف الشذوذ يشكل عنصر مهم جدا في حماية أمن البيئة الحوسبة السحابية. في هذه الرسالة، تم اقتراح نظام اكتشاف الشذوذ على مستوى Hypervisor، لتثبيط نشاط DDoS بين الأجهزة الافتراضية. النظام المقترح يعتمد بشكل أساسي على خوارزمية الشبكة العصبية التطويرية لاكتشاف وتصنيف البيانات المتبادلة بين الأجهزة الافتراضية بدقة عالية جدا. هذه الخوارزمية تجمع بين الشبكة العصبية (NN) Neural Network وخوارزمية التحسين القائمة على فكرة السلوك الاجتماعي للحيوانات (PSO) Particle Swarm Optimization، حيث تستخدم PSO لاختيار أفضل أوزان للشبكة العصبية بهدف زيادة دقة نظام اكتشاف وللتأكد من فعالية النظام المقترح وفعالية أي نظام لاكتشاف الشذوذ في الحوسبة السحابية لابد من توفر بيانات خاصة بهجومات DDoS تعكس طبيعة بيئة الحوسبة السحابية لذلك تم تجميع بيانات جديدة لهجومات DDoS، وبعد إجراء التجارب، أظهرت النتائج أن النظام حقق دقة عالية جدا، حيث أفضل أداء كان بنسبة دقة تساوي 99.99% وبنسبة خطأ 0.01%. |
|---|
عناصر مشابهة
-
Evaluating the Performance of Intrusion Detection System (Ids) in Cloud Computing Through Ddos Attack Service-Based Intrusion Detection System for Cloud Computing (Sidscc System) - (Applying,Testing and Evalution
بواسطة: Al Qahtani, Saeed M. منشور: (2012) -
Detection and Classification of DDoS Attack Using Artificial Neural Network
بواسطة: المسيعدين، محمد عبدالله منشور: (2015) -
A Simulation-Based Approach to Analyze CPU Debt in Cloud Computing
بواسطة: الكساسبة، جواد صافي يوسف منشور: (2018) -
Detecting DDoS attack using a multilayer data mining techniques
بواسطة: Al Biltaje, Heba S. منشور: (2015) -
Efficient Load Balancing Algorithm in Cloud Computing
بواسطة: Younis, Hafiz Jabr منشور: (2015)
