Machine Learning For Securing Software Defined Networking / Yacine Serhani  

Public ISBD Titre : Machine Learning For Securing Software Defined Networking Type de document : texte imprimé Auteurs : Yacine Serhani ; Oussama Djoudi ; Chirihane Gherbi, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol. (64 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Software-DefinedNetworking(SDN)  DistributedDenialofServiceAttack(DDoS)  Machinelearning(ML) Index. décimale : 004 Informatique Résumé : Software-DefinedNetworking(SDN)isanemergingconceptdesignedtosubstitute traditional networkingbybreakingupverticalintegration.Centralcontrolisthebiggest benefitofSDN.However,asinglecontrolpointisalsovulnerable,ifaDDoSattackmakes it inaccessible. This workprovidesanefficientsolutionbasedonmachinelearning(ML)algorithms to detectandmitigateDDoSattackswiththehelpofMininetandtheRyucontrollerto simulatethenetwork.Incontrast,DDoSattacksweresimulatedusingofHping3tool.Four supervisedMLalgorithms:LogisticRegression(LR),NaiveBayes(NB),DecisionTree (DT), andRandomForest(RF)weretestedandevaluatedusingasyntheticdataset.The results showthatDTandRFarethebestcomparedtotheotheralgorithmswith100% of accuracy. The proposedapproachshowsitsefficiencyindetectingandmitigatingDDoSattacks with theRandomForest(RF)classifier.Atthesametime,themitigationwasprovided byaddingaflowruletotheswitchtodropthemalicioustraffic. Côte titre : MAI/0751 En ligne : https://drive.google.com/file/d/1jfTpUiJ51CnWeZcVFW7ZIcR4QJlSvqvK/view?usp=drive [...] Format de la ressource électronique : pdf Machine Learning For Securing Software Defined Networking [texte imprimé] / Yacine Serhani ; Oussama Djoudi ; Chirihane Gherbi, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol. (64 f.) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Software-DefinedNetworking(SDN)  DistributedDenialofServiceAttack(DDoS)  Machinelearning(ML) Index. décimale : 004 Informatique Résumé : Software-DefinedNetworking(SDN)isanemergingconceptdesignedtosubstitute traditional networkingbybreakingupverticalintegration.Centralcontrolisthebiggest benefitofSDN.However,asinglecontrolpointisalsovulnerable,ifaDDoSattackmakes it inaccessible. This workprovidesanefficientsolutionbasedonmachinelearning(ML)algorithms to detectandmitigateDDoSattackswiththehelpofMininetandtheRyucontrollerto simulatethenetwork.Incontrast,DDoSattacksweresimulatedusingofHping3tool.Four supervisedMLalgorithms:LogisticRegression(LR),NaiveBayes(NB),DecisionTree (DT), andRandomForest(RF)weretestedandevaluatedusingasyntheticdataset.The results showthatDTandRFarethebestcomparedtotheotheralgorithmswith100% of accuracy. The proposedapproachshowsitsefficiencyindetectingandmitigatingDDoSattacks with theRandomForest(RF)classifier.Atthesametime,themitigationwasprovided byaddingaflowruletotheswitchtodropthemalicioustraffic. Côte titre : MAI/0751 En ligne : https://drive.google.com/file/d/1jfTpUiJ51CnWeZcVFW7ZIcR4QJlSvqvK/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0751	MAI/0751	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)