PHÁT HIỆN XÂM NHẬP SỬ DỤNG TÍNH NĂNG LUỒNG MẠNG CHO MẠNG ĐƯỢC XÁC ĐỊNH BẰNG PHẦN MỀM

Tóm tắt

Trong những năm gần đây, Mạng được xác định bằng phần mềm (SDN) là một kiến trúc mạng mới đang trở nên phổ biến. Điều này hứa hẹn sẽ đơn giản hóa việc kiểm soát và quản lý mạng với khả năng kiểm soát mạng tập trung, nhưng nó cũng làm tăng nguy cơ xảy ra lỗi một điểm (SPOF) trong mạng. Để giảm thiểu SPOF, cần có thêm nghiên cứu về an ninh mạng trên mạng SDN. Mặt khác, hệ thống phát hiện xâm nhập (IDS) đóng một vai trò quan trọng trong bảo mật SDN bằng cách xử lý các mối đe dọa bên ngoài. IDS dựa trên máy học rất phù hợp với SDN vì chúng có thể được huấn luyện trên bộ điều khiển tập trung. Tuy nhiên, nghiên cứu về hệ thống phát hiện xâm nhập SDN còn hạn chế. Các tài liệu hiện có thường coi việc phát hiện xâm nhập SDN tương tự như phát hiện xâm nhập trong các hệ thống máy tính truyền thống. Cách tiếp cận này có thể có vấn đề vì mạng SDN có những đặc điểm khác với hệ thống máy tính truyền thống. Trong bài báo này, chúng tôi đề xuất một phương pháp mới để phát hiện xâm nhập SDN bằng cách sử dụng máy học. Phương pháp của chúng tôi giải quyết vấn đề mất cân bằng dữ liệu, đây là một vấn đề phổ biến với bộ dữ liệu học máy. Chúng tôi cũng đánh giá phương pháp của mình trên tập dữ liệu phát hiện xâm nhập SDN công khai gần đây nhất. Kết quả của chúng tôi cho thấy phương pháp này có thể đạt được độ chính xác cao và tỷ lệ cảnh báo sai thấp. Cuối cùng, chúng tôi đánh giá hiệu suất của phương pháp trong hai kịch bản SDN khác nhau: có và không có cân bằng tải. Kết quả này cho thấy phương pháp của chúng tôi có thể đạt được hiệu suất cao trong cả hai kịch bản.