The ever-evolving technology might have eradicated the drawbacks of software systems we encountered a decade ago, keeping them secure has become just as challenging. The expansion in artificially intelligent technologies have unlocked the unidentified programming networking terminals that are being flooded by attackers. With the innovation of Software defined networking, programmers acquired the power to manipulate the network by keeping the control plane and data plane isolated from each other. This, however, has become the best bait for DDoS attacks on the data plane owing to its single-point failure. A mechanism is needed that could deal with the dynamic traffic at the point of instigation, thereby preventing the networking attacks.
Many supervised and unsupervised algorithms have been suggested by researchers to protect Software Defined Networking’s drawback of single point failure. Due to the diversity of DDoS attacks, implementing the real solution has been the lost cause. For this, we need an algorithm as diversified as the problem it is targeting. Moreover, it could also potentially stop the need of using multiple algorithms on a single kind of software thereby increasing its optimality and reducing the time overhead that they might cause.
Our proposed Whale Optimization Algorithm Based Clustering for DDoS Detection (WOA-DD) targets the DDoS attack packets by clustering them via a meta-heuristic approach. Though, extensive research has been done in this field, our algorithm improves the measures such as robustness, scalability, accuracy and precision by many folds when compared with other machine learning approaches. The feasibility report of our algorithm has been positive and it was garnered safe to use once used with other prevailing algorithms. However, one might not have to use other algorithms as WOA-DD targets all kinds of DDoS attacks.
끊임없이 발전하는 기술은 10 년 전에 직면했던 소프트웨어 시스템의 단점을 근절하여 보안을 유지하는 것만 큼 어려운 과제가되었습니다. 인공 지능 기술의 확장으로 인해 공격자가 범람하고있는 알 수없는 프로그래밍 네트워킹 터미널이 열렸습니다. 소프트웨어 정의 네트워킹의 혁신으로 프로그래머는 컨트롤 플레인과 데이터 플레인을 서로 격리시켜 네트워크를 조작 할 수있는 힘을 얻었습니다. 그러나 이는 단일 지점 장애로 인해 데이터 플레인에 대한 DDoS 공격에 대한 최상의 미끼가되었습니다. 설치 시점에서 동적 트래픽을 처리하여 네트워킹 공격을 방지 할 수있는 메커니즘이 필요합니다.
연구원들은 Software Defined Networking의 단일 지점 실패의 단점을 보호하기 위해 많은 감독 및 감독되지 않은 알고리즘을 제안했습니다. DDoS 공격의 다양성으로 인해 실제 솔루션 구현이 손실되었습니다. 이를 위해서는 목표로하는 문제만큼 다양한 알고리즘이 필요합니다. 또한 단일 종류의 소프트웨어에서 여러 알고리즘을 사용해야하는 필요성을 잠재적으로 막을 수있어 최적 성을 높이고 발생할 수있는 시간 오버 헤드를 줄일 수 있습니다.
제안 된 DDoS 탐지 (WOA-DD)를위한 Whale Optimization Algorithm Based Clustering은 메타 휴리스틱 접근 방식을 통해 클러스터링하여 DDoS 공격 패킷을 대상으로합니다. 이 분야에서 광범위한 연구가 이루어졌지만, 우리의 알고리즘은 다른 머신 러닝 접근 방식과 비교할 때 견고성, 확장 성, 정확성 및 정밀도와 같은 측정을 여러 번 개선합니다. 우리 알고리즘의 타당성 보고서는 긍정적이었고 일단 다른 일반적인 알고리즘과 함께 사용하면 안전합니다. 그러나 WOA-DD가 모든 종류의 DDoS 공격을 대상으로하기 때문에 다른 알고리즘을 사용할 필요는 없습니다.
