إطار عمل قائم على التعلم الآلي لكشف هجمات حجب الخدمة الموزعة في شبكات العربات المعرفة بالبرمجيات باستخدام عتبات ديناميكية وحركية مركبات واقعية

الملخص

تُعد شبكات المركبات المعرفة برمجياً (SDVNs) عنصراً أساسياً في أنظمة النقل الذكية، إلا أن أساليب كشف هجمات الحرمان من الخدمة الموزعة (DDoS) الحالية تواجه صعوبة في التعامل مع الحركة المرورية الواقعية والظروف اللاسلكية الديناميكية. يعالج هذا العمل هذه الفجوة من خلال تقديم مجموعة بيانات مخصصة لشبكات SDVN تم توليدها باستخدام Mininet-WiFi مع متحكم Ryu عبر محاكاة حركة مستمرة لمدة 60 دقيقة. تتضمن مجموعة البيانات حركة مرور طبيعية وثلاثة أنواع من الهجمات: TCP SYN Flood وUDP Flood وICMP Flood.

تم اشتقاق عتبات ديناميكية خاصة بكل بروتوكول باستخدام خطوط أساس إحصائية مع هامش أمان بنسبة 30%. وبعد تقليل الأبعاد باستخدام PCA مع الاحتفاظ بنسبة 95% من التباين، تم تدريب وتقييم خمسة نماذج تعلم آلي خاضعة للإشراف (LR وDT وRF وKNN وGNB) باستخدام التحقق المتقاطع الطبقي بخمس طيات. حقق نموذج KNN أفضل أداء بقيمة F1 بلغت 98.73% أثناء التحقق المتقاطع و98.61% على بيانات الاختبار.

يوفر الإطار المقترح مجموعة بيانات قابلة لإعادة الإنتاج وآلية قوية للكشف عن التسلل في الزمن الحقيقي، مع إمكانية توسيعه لبيئات 5G-V2X والتعلم الفيدرالي.