عنوان الإطروحه |
تحليل هجوم BoTNet DDOS لأجهزة إنترنت الأشياء باستخدام مصنفات التعلم الآلي ، وهندسة الكشف التسلسلي
|
تاريخ مناقشة الاطروحه |
2021-11-03 |
اسم الطالب |
معتز فواز علي مخاتره
|
المشرف |
مفلح محمد مفلح الذيابات |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| فيصل سليمان صالح السقار |
| بلال أبو عطا |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
يعد أمن المعلومات قضية مهمة في عالم الشبكات بسبب التطور السريع في أنظمة الحاسوب التي تعتمد على شبكة الإنترنت. التحدي الكبير هو حماية هذه الأنظمة من الأنشطة الإجرامية التي تسمى الاختراقات غير المشروعة. الغرض الأساسي من هذه الانتهاكات هو التدمير أو إلحاق الضرر مثل سرقة موارد شبكة الانترنت. هجوم حجب الخدمة الموزعة (DDOS) هو أكثر أشكال الهجمات الإلكترونية ضررًا حيث يحاول المهاجم حرمان الخادم من الموارد عن طريق إغراقه بطلبات غير ضرورية ، مما يجعلها غير قادرة على تلبية الطلبات المشروعة. تقدم هذه الأطروحة نموذجًا هجينًا جديدًا يعتمد على تقنية استخراج واستنباط الميزات وخوارزميات التعلم الآلي. يتضمن النموذج المقترح جمع البيانات واستخراج الميزات وتطبيق ستة من مصنّفات التعلم الآلي. تم استخدام تقنية استخراج الميزات للاستفادة من سلوكيات الشبكة الخاصة بإنترنت الأشياء مع الاستفادة أيضًا من معلمات تدفق الشبكة بما في ذلك طول الحزمة والفواصل الزمنية بين الحزم والبروتوكول. أظهرت النتائج التجريبية أن النموذج المقترح باستخدام مصنف شجرة القرار(DT) حصل على أفضل النتائج بين المصنفات الستة المستخدمة بدقة ((Precision تساوي (1.0) ودقة(Accuracy) تساوي (0.9999993511970414) ونسبة خطأ تساوي (0.1230). |
الملخص بالانجليزي |
Information security is an important issue in networks world due to fast development in network-based-computer systems. The big challenge is protecting these systems against criminal activities which called intrusion. The fundamental purpose of These violations is destruction or damage such as steal valuable network resources . A distributed denial of service (DDoS) attack is the most harmful form of cyber-attacks in which the attacker attempts to deprive a network of resources by flooding the network with unnecessary requests, rendering it unable to serve legitimate requests. This thesis present a novel hybrid model based on Feature extraction technique and machine learning algorithms. The proposed model includes data gathering, feature extraction, and apply six of machine learning classifiers. The features are built to take advantage of IoT-specific network behaviors while also taking advantage of network flow parameters including packet length, inter-packet intervals, and protocol. The experimental results show that the proposed model by using Decision Tree classifier obtained the best results among used six classifiers with Precision equal (1.0), Accuracy equal (0.9999993511970414) and error ratio equal (0.1230). |
رقم ISN |
8661 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|