استخدام التعلم العميق لاكتشاف هجماتDDoS في شبكات 5G
الكلمات المفتاحية:
شبكات الجيل الخامس (5G)، كشف هجمات الحرمان من الخدمة (DDoS)، التعلم العميق، ، الشبكات العصبية الالتفافية (CNNs)، الذاكرة طويلة وقصيرة المدى (LSTM)الملخص
إن الأفكار التقليدية للكشف عن مثل هذه الهجمات سرعان ما أصبحت بالية بسبب الديناميكيات المتطورة باستمرار لحركة مرور شبكة الجيل الخامس. تهدف هذه الورقة البحثية إلى التحقيق في الاستخدام الأكثر فعالية للتعلم العميق لتحديد تهديدات DDoS في شبكات الجيل الخامس. تطبق الدراسة التي أجريت باستخدام مجموعتي بيانات CICIDS2017 وUNSW-NB15 كلاً من نموذجي CNN وLSTM على تصنيف حركة مرور الشبكة. تُظهر هذه الإحصائيات أن النهجين يحددان هجمات الحرمان من الخدمة الموزعة بدقة كبيرة وفي كثير من الأحيان (98% لـ CICIDS2017 و94% لـ UNSW-) )NB15)، ويتذكرانها جيدًا (96% و92% بشكل متقبل
تُظهر الورقة البحثية أن النموذج يتعلم بنجاح أنماط حركة المرور المميزة لهجمات DDoS ويتفوق على أداء المقاربات التقليدية. ولكن أثيرت مشاكل مثل قاعدة البيانات الصاخبة وتعدد استخدامات النموذج، مما يعني أن هناك مجالًا كبيرًا لجعل بيانات التدريب أكثر تنوعًا. كما استُنتج من النتائج، من الممكن تحسين حماية شبكات الجيل الخامس من هجمات الحرمان من الخدمة الموزعة بشكل كبير بمساعدة دمج التعلم العميق في أنظمة أمن الشبكات. مع استمرار التطور، يجب إيلاء المزيد من الاهتمام لتعزيز استقرار النموذج وتوسيع مجموعات بيانات التدريب لمهاجمة سيناريوهات أكثر تنوعًا يمكن أن تصبح فائدة قصوى لاستخدام التعلم العميق في تأمين شبكات الجيل الخامس.
