علیرضا محمودی فرد - دانشجوی کارشناسی ارشد ناپیوسته مدیریت صنعتی، دانشکده علوم انسانی، دانشگاه شاهد (و فارغ التحصیل کارشناسی ارشد مهندسی برق و مدرس دانشگاه ها)
علی ملکی - دانشجوی کارشناسی ارشد ناپیوسته مهندسی مخابرات دانشگاه تربیت دبیر شهید رجایی

نرم افزار تعریف شده شبکه ، به عنوان قابل اجراترین معماری شبکه قابل برنامه ریزی برای حل بسیاری از چالش ها در شبکه های قدیمی ظهور کرده است؛ SDN صفحه کنترل شبکه را از صفحه انتقال داده جدا می کند و به طور منطقی، صفحه کنترل شبکه را متمرکز می کند؛ کنترل متمرکز منطقی، مدیریت شبکه را از طریق دید جهانی وضعیت شبکه بهبود می بخشد؛ با این حال، کنترل متمرکز، درها را به روی چالش های امنیتی باز می کند؛ پلتفرم های کنترل SDN به جذاب ترین مکان ها برای حملات Denial of Service (DoS) و Distributed DoS (DDoS) تبدیل شدند؛ بنابراین، تعداد قابل توجهی از راه حل ها برای کاهش حملات DDoS در SDN با استفاده از رویکرد یادگیری ماشین ابداع شده است. هدف این مطالعه، بررسی و تحلیل طرح های مبتنی بر یادگیری ماشین برای ایمن سازی محیط SDN هدف حملات DDoS است؛ روش طرح ها، معیارهای عملکرد، مجموعه داده ها و سایر نکات مانند معیارها، نقاط قوت و ضعف، مورد بحث قرار می گیرند؛ مجموعه داده های CIC-DDoS ۲۰۱۹ برای ارزیابی عملکرد مجموعه ای از الگوریتم های طبقه بندی که به طور گسترده در تشخیص حمله DDoS مبتنی بر یادگیری ماشین در محیط SDN استفاده می شوند، استفاده شد؛ در نهایت، چالش ها و مسیرهای آینده در توسعه طرح های تشخیص مبتنی بر یادگیری ماشین در SDN مورد بحث قرار می گیرند.

حمله انکار سرویس توزیع شده (DDoS)، الگوریتم، تکنیک های یادگیری ماشین، شبکه های نرم افزاری تعریف شده (SDN)، ایمن سازی، امنیت در SDN، معماری شبکه