Sinyal işleme ve istatistiksel yaklaşımlarla DDoS saldırı tespiti

DDoS saldırıları, ağ trafiğindeki özniteliklerin özelliklerinde çeşitli değişikliklere neden olur. Bu değişikliklerin sinyal işleme ve istatistiksel yaklaşımlar kullanılarak modellenmesi bu saldırıların tespit edilmesini sağlar. Bu tez, zaman serisi analizi, seyrek sinyal temsil yöntemleri ve istatistiksel modelleme kullanarak DDoS saldırılarını tespit etmeye odaklanmaktadır. Ayrıca bu tezdeki çalışmalar, DDoS saldırılarının trafik özellikleri üzerindeki etkisini istatistiksel olarak incelemektedir. Trafik özelliklerindeki istatistiksel değişikliklerin avantajını kullanarak istatistiksel sinyal işleme yaklaşımına dayalı iki basit ama etkili ağ tabanlı DDoS saldırı tespit yöntemi öneriyoruz. Ayrıca, kaynak tükenme tipi DDoS saldırılarını tespit etmek için Matching Pursuit algoritmasını kullanan yeni bir DDoS tespit çerçevesi öneriyoruz. Bu yöntemde düşük yoğunluklu DDoS saldırılarını verimli bir şekilde tespit etmek için ağ trafiğinin birden çok özniteliğini aynı anda kullanmaktayız. K-SVD algoritması kullanılarak ağ trafiğinin parametrelerinden üretilen sözlüğü kullanmaktayız. Bu yöntem önerdiğimiz DDoS tespiti yaklaşımına uyarlanabilir bir özellik sağlamaktadır. Ayrıca Matching Pursuit ve Wavelet tekniklerini kullanan yaklaşımları önerdiğimiz yöntemle karşılaştırmak için kendi veri setlerimizle uyguladık. Ek olarak, bu tezde, yöntemleri yapay sinir ağı kullanan bir karar verme mekanizmasıyla birleştiren hibrit bir DDoS algılama çerçevesi sunmaktayız. Önerilen yöntemleri iki farklı veri seti ile değerlendiriyoruz. Birden fazla saldırıya sahip hibrit saldırı tespit sisteminde diğer yöntemlerin tespit performansları düşmekte iken önerdiğimiz DDoS tespit yaklaşımı ile %99'dan büyük doğru kestirim oranı ve 0.7'den düşük yanlış alarm oranları elde ettik.