DDoS attacks detection based on ASVM in software-defined networking

Joint Authors

al-Ashhab, Abd al-Salam A.
Bin Tahir, Umran Ali
Daha, Muhammad Yunus
Yusuf, Abd Allah

Source

المجلة الدولية للعلوم و التقنية : مجلة علمية محكمة

Publisher

Libyan Society for Research and Scientific Studies

Publication Date

2022-02-28

Country of Publication

Libya

No. of Pages

8

Main Subjects

Information Technology and Computer Science

Arabic Abstract

أشارت الاهتمامات البحثية إلى أن الشبكات المعرفة بالبرمجيات SDN تتمتع بميزات عديدة مقارنة بالشبكات التقليدية.

حيث ان مفهوم الشبكات المعرفة البرمجيات يقوم على فصل بيانات التحكم عن بيانات التوجيه ماديا في ا على حل بعض مشكلات الأمان، وخوارزمية ً أجهزة الشبكة.

لقد ثبت أن مفهوم الشبكات المعرفة بالبرمجيات كان قادر آلة متجه الدعم SVM هي الخوار ا في حل بعض مشكلات الشبكة.

ومع ذلك، فإن الخوارزمية الحالية التي ساعدت كثير مفهوم الشبكات القائم على البرمجيات ال يزال عرضة لنقاط الضعف.

من بين أهم التهديدات الأمنية التي تواجه استقرار الشبكة هو هجوم منع الخدمة الموزع DDoSفي هذا العمل يتم اقتراح نموذج أمني قائم على خوارزمية آلة متجه الدعم المتقدمة ASVM لتكون بمثابة تحسين لخوارزمية SVM لقدرتها العالية بالتعامل مع تعدد ً نظر الفئات واكتشاف تهديدات هجوم DDoS من طبقة التحكم ومحولات OpenFlow.

English Abstract

Research interests have indicated over the years that software-defined network (SDN) has a great advantage over the traditional network.

The benefit of SDN is the ability of the network control to be physically separated from forwarding devices.

It has been established that SDN has been able to solve certain security issues, The support vector machine (SVM) algorithm is the existing algorithm that has helped a great deal to solve certain network issues.

However, SDN is still prone to vulnerabilities.

One of which is the distributed denial of service (DDoS) attacks.

The advanced support vector machine (ASVM) is proposed in this research to serve as an enhancement to the SVM because of its ability to multiclass and detect DDoS attack threats from the control layer and OpenFlow switches in SDN

Data Type

Conference Papers

Record ID

BIM-1594074

• APA
• MLA
• AMA