Une Approche IntelligenteDeep LerningPour La Detection Des Attaques Ddos Pour Le ReseauSdn

Abstract

Le réseau défini par logiciel (SDN) est un paradigme de mise en réseau prometteur qui offre une commodité, une évolutivité, une contrôlabilité et une flexibilité exceptionnelles. Malgré ces fonctionnalités prometteuses, le SDN n'est pas intrinsèquement sécurisé. Par exemple, il souffre toujours d'attaques par déni de service (DDoS), qui est l'une des principales menaces qui compromettent la disponibilité du réseau. Un type d'attaques DDoS, considéré comme l'un des plus difficiles à détecter, sont les attaques DDoS lentes. Ces dernières années, des algorithmes d'apprentissage automatique ont été appliqués pour une détection fiable et très précise des anomalies de trafic. Certains algorithmes de machine Learning sur la détection DDoS sont évalués en thèse. Les meilleures caractéristiques sont choisies en fonction de la précision de la classification et des performances du contrôleur SDN. Pour identifier les attaques SDN, Une comparaison est faite entre les modèles d'apprentissage en profondeur et les classificateurs d'apprentissage automatique en sélectionnant ensemble des fonctionnalités. Les résultats expérimentaux ont révélé qu'en utilisant la méthode d'exclusion de fonctionnalités récursives (RFE), le classificateur SVM (RFE) forme le modèle le plus précis avec une précision de 99,99 % tout en utilisant des modèles d'apprentissage en profondeur (CNN-1D), nous obtenons une précision de 63 %.