Wyszukiwanie zaawansowane ?

Obiekt

A Collaborative Approach to Detecting DDoS Attacks in SDN Using Entropy and Deep Learning, Journal of Telecommunications and Information Technology, 2024, nr 3
Pobierz

Tytuł: A Collaborative Approach to Detecting DDoS Attacks in SDN Using Entropy and Deep Learning, Journal of Telecommunications and Information Technology, 2024, nr 3

Autor:

Narayan, D. G. ; Heena, W ; Amit, K

Data wydania:

2024, nr 3

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2024, nr 3, JTIT-artykuły

Abstrakt:

Software-defined networking (SDN) is an approach to network management allowing to enhance the performance of the network and making it more flexible. The centralized architecture of SDN makes it vulnerable to cyberattacks, especially distributed denial of service (DDoS) attacks. Existing research investigates the detection of DDoS attacks separately on the control plane and data plane. However, there is a need for efficient and accurate detection of these attacks using features obtained from both control and data planes. Therefore, we present a mechanism for identifying DDoS attacks using entropy, multiple feature selection mechanisms, and deep learning. Initially, we use entropy on the control plane to detect anomalous activity and identify suspicious switches. Next, we capture traffic on the suspicious switches to detect DDoS attacks. To detect these attacks, we utilize multi-layer perceptron (MLP) deep learning models, convolutional neural network (CNN), and the long short-term memory (LSTM) approach. An InSDN dataset is used to train the model and test data are generated using Mininet emulation and the Ryu controller. The results reveal that LSTM outperforms MLP and CNN, achieving an accuracy of 99.83%.

Numer:

3

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

oai:bc.itl.waw.pl:2358 ; ISSN 1509-4553, on-line: ISSN 1899-8852

DOI:

10.26636/jtit.2024.3.1609

ISSN:

1509-4553

eISSN:

1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Licencja:

CC BY 4.0

Właściciel praw:

Instytut Łączności - Państwowy Instytut Badawczy

Temat i słowa kluczowe:

DDoS deep learning LSTM networks machine learning random forest SDN

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

2 paź 2024

Data dodania obiektu:

2 paź 2024

Liczba wyświetleń treści obiektu:

0

Wszystkie dostępne wersje tego obiektu:

https://bc.itl.waw.pl/publication/2671

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Narayan, D. G., A Collaborative Approach to Detecting DDoS Attacks in SDN Using Entropy and Deep Learning, Journal of Telecommunications and Information Technology, 2024, nr 3 2 paź 2024

Obiekty Podobne
Detection of DDoS Attacks in OpenStack-based Private Cloud Using Apache Spark, Journal of Telecommunications and Information Technology, 2020, nr 4

Shinde, Sumedha Gumaste, Shweta K, Amit G., Narayan D.

2020, nr 4
artykuł
Markov Decision Process based Model for Performance Analysis an Intrusion Detection System in IoT Networks, Journal of Telecommunications and Information Technology, 2021, nr 3

Kalnoor, Gauri S, Gowrishankar

2021, nr 3
artykuł
An Efficient Hybrid Protocol Framework for DDoS Attack Detection and Mitigation Using Evolutionary Technique, Journal of Telecommunications and Information Technology, 2022, nr 4

Gururaj, Murtugudde Yerriswamy, T.

2022, nr 4
artykuł
2024, nr 3, JTIT-artykuły
2024, nr 3, JTIT-artykuły
A Generalized Learning Approach to Deep Neural Networks, Journal of Telecommunications and Information Technology, 2024, nr 3

Ponti, Francesca Frezza, Fabrizio Simeoni, Patrizio Parisi, Raffaele

2024, nr 3
artykuł
Convolutional Neural Networks for C. Elegans Muscle Age Classification Using Only Self-learned Features, Journal of Telecommunications and Information Technology, 2022, nr 4

Dzwonkowski, Mariusz Czaplewski, Bartosz Panas, Damian

2022, nr 4
artykuł
2023, nr 4, JTIT-artykuły
2023, nr 4, JTIT-artykuły
An Efficient Controller Placement Algorithm using Clustering in Software Defined Networks, Journal of Telecommunications and Information Technology, 2023, nr 4

Jacob, Joshua Shinde, Sumedha D.G., Narayan

2023
artykuł
Tunneling Activities Detection Using Machine Learning Techniques, Journal of Telecommunications and Information Technology, 2011, nr 1

Dubois, Renaud Morel, Mathieu Allard, Fabien Gompel, Paul

2011, nr 1
artykuł
2024, nr 2, JTIT-artykuły
2024, nr 2, JTIT-artykuły
Secure Data Delivery in a Software-Defined Wireless Body Area Network, Journal of Telecommunications and Information Technology, 2024, nr 2

Yahya, Zahraa M. Al-Gailani, Mohammed F.

2024
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji