پروژه یادگیری عمیق lstm مبتنی بر اسپارک (4805)

شرح پروژه

 موضوع: پروژه یادگیزی عمیق lstm مبتنی بر اسپارک                                     

  این سایتی هستش که داده ها توش قرار داده     

          https://www.unb.ca/cic/datasets/dohbrw-2020.html                         

  این هم اون مقاله اولیه هستش که باهاش شروع کردم این پروژه رو

 فقط من زیاد وقت ندارم و باید تا 15 این ماه نتایج و داشته باشم که تا آخر ماه بتونم ذفاع کنم

 کشف ترافیک‌های مخرب DNS بر بستر Http در شبکه‌های کامپیوتری با یادگیری عمیق LSTM در زمان واقعی مبتنی بر اسپارک

 شرح پایان نامه:

الف) تعریف موضوع(تعریف مسأله، هدف از اجرا و کاربرد نتایج تحقیق):

امروزه با توجه به گستردگی و پیچیدگی حملات سایبری در شبکه‌های اینترنتی، آماده بودن برای دفع آنها بسیار حائز اهمیت است. حمله مورد بحث در این تحقیق حملات بر بستر پروتکل معروف DNS  یا همان Domain Name Service که یکی از پروتکل‌های مهم و در عین حال آسیب‌پذیر شبکه می‌باشد. این پروتکل به علت داشتن روزنه‌های امنیتی در طول سالیان مکرر مورد توجه و استفاده مهاجمین و هکرها بوده است.

پژوهشگران حوزه امنیت جهت پوشش برخی از این روزنه‌های امنیتی پروتکلی به نام DoH یا DNS over Http را معرفی نمودند. با وجود امنیت این پروتکل در بسیاری از جهات، هکرها برای استفاده از آن و آلوده ساختن ترافیک‌های مبادله شده در بستر این پروتکل برای هدف‌های خود، راه‌هایی را به وجود آورده اند. از این رو تشخیص ترافیک‌های آلوده و مخرب در این پروتکل اهمیت بیشتری پیدا می‌کند. یکی از راه‌های تشخیص این گونه ترافیک‌ها استفاده از یادگیری عمیق در حوزه یادگیری ماشین می‌باشد که در حال حاضر کارشناسان حوزه امنیت در سطح جهان با استفاده و بهره‌گیری از آن می‌تواند رفتارهای غیر معمول و مخرب را در ترافیک‌های شبکه‌ای تشخیص دهند. اهمیت این موضوع از آن جهت است که در این حالت خطاهای انسانی در پایش ترافیک از بین می‌رود و همچنین رصد ترافیک به صورت تمام وقت صورت می‌پذیرد و در صورت مشاهده ترافیک غیر معمول می‌تواند هشدار صادر کند.

تحقق و تشخیص این نوع حملات می‌تواند به کارشناسان حوزه امنیت در ایجاد سامانه‌های هشدار بسیار کمک کننده،می‌باشد.

ب) ضرورت انجام تحقیق:

ایجاد امنیت سایبری در یک ساختار شبکه‌ای همواره یکی در دغدغه‌های مدیران ارشد IT و امنیت بوده و است. برای جلوگیری از حملات گسترده سایبری راه حل‌هایی مانند: ایجاد سامانه‌های SIEM برای پایش مداوم شبکه، استفاده از ابزارهایی که به ما دیدگاه‌هایی برای حملاتی که در  نقاط مختلف دنیا انجام شده را می‌دهند، و همچنین استفاده از فن‌آوری‌های نوین مانند یادگیری‌ماشین و.. که به تشخیص هرچه بهتر این حملات کمک بهتری می‌کنند. در این تحقیق سعی شده در مورد یکی از حملاتی که امروزه در حال استفاده است و می‌تواند در آینده گسترده تر مورد استفاده قرار گیرد، راه‌حل مناسبی ارائه گردد.

در طی سالیان گذشته سوء استفاده از پروتکل DNS همیشه بخش مهمی از نگرانی‌های کارشناسان حوزه امنیت بوده است. ایجاد بستر امن و همچنین دارا بودن یک حریم خصوصی برای ارسال درخواست‌ها و دریافت پاسخ‌ها، چالش بزرگی برای مهاجمان در ایجاد حملات پیچیده و به سرقت بردن داده‌های حساس، ایجاد کرده است.

برای از بین بردن بعضی از این آسیب‌پذیری‌ها که مرتبط با حریم خصوصی و دستکاری داده می‌باشد، سازمان IETF یک پروتکل به نام DNS over Http (DoH) در سند RFC8484 معرفی نمود. این پروتکل با استفاده از رمزنگاری درخواست‌های DNS و ارسال آنها در یک کانال امن و پنهانی باعث بالا بردن حریم خصوصی، جلوگیری از استراق سمع داده‌ها و جلوگیری از حملاتی نظیر مرد میانی(Man in the  Mideddle) می‌شود.

در این میان به علت وجود حجم بالای داده‌ها برای کار و پردازش بر روی داده‌ها از موتور پردازش داده اسپارک کمک گرفته شده است. این موتور پردازش قدرتمند داده به صورت توزیع شده عمل می‌کند و برای داده‌های دارای حجم بالا که به علت وجود مقدار RAM محدود نمی‌توانند بر روی یک سیستم اجرا شوند، به صورت توزیع شده بر روی چند سیستم عملیات پردازش را مدیریت و انجام می‌دهد.

در این تحقیق برای تشخیص حمله‌ها از الگوریتم LSTM استفاده شده است. این الگوریتم یکی از الگوریتم‌های یادگیری عمیق یا (Deep Learning) می‌باشد که مبتنی بر شبکه‌های عصبی مصنوعی است.یکی از مزیت‌های الگوریتم LSTM دارا بودن حافظه بلند مدت است که نقطه مقابل دیگر الگوریتم‌های بازگشتی یا RNN در حوزه یادگیری عمیق می‌باشد که از این مشکل رنج می‌برند.

از این رو با استفاده از یادگیری عمیق LSTM بر روی داده‌هایی که موتور پردازش داده اسپارک به سرعت پردازش می‌کند، می‌توان در سریع‌ترین زمان، در صورت ورود ترافیک مخرب به داخل شبکه از آن مطلع شد و به سرعت با تشخیص آن هشدارهای لازم را ایجاد کرد. 

نهایتا تا 20 شهریور

این پروژه شامل 2 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

payaprozhe

عضویت پنج سال پیش

5000 پروژه ثبت شده ،

19 پروژه در حال انجام ،

15 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 64%