Ανίχνευση επιθέσεων DDoS σε cloud/edge υποδομές με χρήση τεχνικών μηχανικής μάθησης
Διπλωματική Εργασία


Περιγραφή

Keywords: 5G, cloud, edge, Distributed Denial of Service

Η έλευση των δικτύων 5G και η ανάπτυξη και εξέλιξη των cloud και edge υποδομών θα αλλάξουν άρδην τις προσφερόμενες υπηρεσίες και την δημοτικότητά τους. Σε αυτό το
περιβάλλον, το θέμα της ασφάλειας και της διαθεσιμότητας των υπηρεσιών είναι πολύ σημαντικό. Οι επιθέσεις Distributed Denial of Service (DDoS) ήταν και είναι σημαντική απειλή για τις δικτυακές υποδομές. Με την εξέλιξη των δικτύων οι πιθανές επιπτώσεις αυτών των επιθέσεων αναμένεται να είναι ακόμα πιο σημαντικές. Η νέα αρχιτεκτονική των edge και cloud υποδομών θέτει νέες προκλήσεις στην αντιμετώπισή τους. Παράλληλα, οι τεχνικές μηχανικής μάθησης έχουν γνωρίσει σημαντική άνθιση τα τελευταία χρόνια, λόγω και της ευρείας διαθεσιμότητας των δεδομένων για την εκπαίδευσή τους. Ένας από τους τομείς που μπορούν να βρουν εφαρμογή είναι η ανίχνευση και εντοπισμός των DDoS επιθέσεων.

Σε αυτή τη διπλωματική θα μελετηθεί καταρχάς το γενικό υπόβαθρο των DDoS επιθέσεων καθώς και οι προκλήσεις των DDoS στις edge και cloud υποδομές. Ακολούθως θα
μελετηθούν τεχνικές μηχανικής μάθησης και ποιες από αυτές μπορούν να εφαρμοστούν για την ανίχνευση και τον εντοπισμό DDos επιθέσεων. Τέλος θα γίνει εκτίμηση της ακρίβειας των τεχνικών με βάση πραγματικά και ρεαλιστικά δεδομένα δικτύου.

Επιθυμητές Γνώσεις: Δίκτυα επικοινωνιών, Python, Μηχανική μάθηση

Σχετική βιβλιογραφία

  • O. Osanaiye, K-K. Choo, M. Dlodlo, “Distributed denial of service (DDoS) resilience in cloud: Review and conceptual cloud DDoS mitigation framework,” Journal of Network and Computer Applications,Volume 67, 2016.
  • J.H. Corrêa, P.M. Ciarelli, M.R.N Ribeiro, et al, “ML-Based DDoS Detection and Identification Using Native Cloud Telemetry Macroscopic Monitoring,” Journal Network and Systems Management, Volume 29, Article 13, 2021.