Improving vanets systems security against DDOS attacks by using machine-learning algorithm

Halihazırda geliştirilmekte olan hızlı ve devasa araç haberleşme sistemleri ile bir aracın kontrol edilip edilmediğini belirlemek için gelişmiş güvenlik için açık ve acil bir ihtiyaçtır. saldırıya uğradı. Bu nedenle, uygunsuz davranış tespit sistemi (MDS) adı verilen bir araç geliştirdik. Aracın harekete geçmesine yardımcı olmak ve olası zararları en aza indirmek için tasarlanmıştır. saldırganlar Araç iletişimini tehdit eden en tehlikeli saldırı biçimlerinden biri sistemler, dağıtılmış hizmet reddi (DDoS) saldırılarıdır. VANET'lerin güvenliğini artırmak Bu tür saldırılara karşı, artık çok sayıda araştırmacının üzerinde düşündüğü bir konu, son derece etkili güvenlik yetenekleri sağlamak, makine öğrenimi (ML) teknikleri uygulamalı. NSL-KDD veya KDD-CUP99 veri kümeleri, mevcut veri setinin büyük bir bölümünün temelini oluşturur. araştırma. Bu veri kümelerine yapılan saldırılar eskiydi. Bu nedenle, yeni bir veri seti kullandık. OMNeT++, Veins ve Sumo tarafından oluşturulmuştur. Bu simülasyon sırasında yedi farklı türde saldırı yoğunluğu gerçekleştirildi ve MDS sistemlerini değerlendirmek ve tahmin etmek için XGBoost sınıflandırıcısı kullanıldı. Bu XGBoost sınıflandırıcı için medyan F1 puanı %99,70'ti ve bu net bir değeri temsil ediyordu. Sentetik Azınlık Yüksek Örneklemesini kullandığımız başka bir makine öğrenimi yöntemine göre avantaj Veri kümelerini sınıf dengelemek için teknik (SMOTE).