A Novel Supervised Deep Learning Solution to Detect Distributed Denial of Service (DDoS) attacks on Edge Systems using Convolutional Neural Networks (CNN)

要約

サイバーセキュリティ攻撃はますます巧妙化しており、個人、民間および公共部門に対する脅威が増大しています。
分散型サービス拒否攻撃は、今日のインターネットにおけるこれらの脅威の中で最も有害な 1 つであり、重要なサービスの可用性を妨害します。
このプロジェクトは、ニュー ブランズウィック大学の業界で認められた DDoS 評価データセットを使用して、ネットワーク トラフィック内の DDoS 攻撃を検出するための新しいディープ ラーニング ベースのアプローチを提示します。このデータセットには、リアルタイム DDoS 攻撃からのパケット キャプチャが含まれており、より広範で適用可能なモデルを作成します。
現実世界のために。
この研究で採用されたアルゴリズムは、畳み込みニューラル ネットワーク (CNN) の特性と一般的な深層学習アルゴリズムを利用して、良性のトラフィックと悪意のあるトラフィックを分類する新しい緩和手法を構築します。
提案されたモデルは、パケット フローを抽出し、固定長に正規化することでデータを前処理します。このデータは、ノード ドロップアウト、正規化、バイナリ分類を除外するためのシグモイド アクティベーション関数を制御するレイヤーを含むカスタム アーキテクチャに供給されます。
これにより、モデルはフローを効果的に処理し、「ノイズ」や注意をそらすものを除去しながら、DDoS 攻撃に寄与するノードを探すことができます。
この調査の結果は、DDOS 攻撃の検出における提案されたアルゴリズムの有効性を実証し、ネットワーク トラフィック内の 2000 の目に見えないフローに対して 0.9883 の精度を達成し、同時にあらゆるネットワーク環境に拡張可能であることを示しています。

要約(オリジナル)

Cybersecurity attacks are becoming increasingly sophisticated and pose a growing threat to individuals, and private and public sectors. Distributed Denial of Service attacks are one of the most harmful of these threats in today’s internet, disrupting the availability of essential services. This project presents a novel deep learning-based approach for detecting DDoS attacks in network traffic using the industry-recognized DDoS evaluation dataset from the University of New Brunswick, which contains packet captures from real-time DDoS attacks, creating a broader and more applicable model for the real world. The algorithm employed in this study exploits the properties of Convolutional Neural Networks (CNN) and common deep learning algorithms to build a novel mitigation technique that classifies benign and malicious traffic. The proposed model preprocesses the data by extracting packet flows and normalizing them to a fixed length which is fed into a custom architecture containing layers regulating node dropout, normalization, and a sigmoid activation function to out a binary classification. This allows for the model to process the flows effectively and look for the nodes that contribute to DDoS attacks while dropping the ‘noise’ or the distractors. The results of this study demonstrate the effectiveness of the proposed algorithm in detecting DDOS attacks, achieving an accuracy of .9883 on 2000 unseen flows in network traffic, while being scalable for any network environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google