آمار

تعداد نشریات36
تعداد شماره‌ها1,208
تعداد مقالات8,740
تعداد مشاهده مقاله7,270,501
تعداد دریافت فایل اصل مقاله4,252,963
قاسم زاده, اردشیر, غیوری ثالث, مجید. (1395). ارائه مدل‌ فازی ارزیابی میزان اثربخشی حملات منع سرویس‌دهی توزیع‌یافته، مبتنی بر منابع آشکار. پدافند الکترونیکی و سایبری, 5(1), 85-98.
اردشیر قاسم زاده; مجید غیوری ثالث. "ارائه مدل‌ فازی ارزیابی میزان اثربخشی حملات منع سرویس‌دهی توزیع‌یافته، مبتنی بر منابع آشکار". پدافند الکترونیکی و سایبری, 5, 1, 1395, 85-98.
قاسم زاده, اردشیر, غیوری ثالث, مجید. (1395). 'ارائه مدل‌ فازی ارزیابی میزان اثربخشی حملات منع سرویس‌دهی توزیع‌یافته، مبتنی بر منابع آشکار', پدافند الکترونیکی و سایبری, 5(1), pp. 85-98.
قاسم زاده, اردشیر, غیوری ثالث, مجید. ارائه مدل‌ فازی ارزیابی میزان اثربخشی حملات منع سرویس‌دهی توزیع‌یافته، مبتنی بر منابع آشکار. پدافند الکترونیکی و سایبری, 1395; 5(1): 85-98.

ارائه مدل‌ فازی ارزیابی میزان اثربخشی حملات منع سرویس‌دهی توزیع‌یافته، مبتنی بر منابع آشکار

پدافند الکترونیکی و سایبری
مقاله 5، دوره 5، شماره 1، خرداد 1396، صفحه 85-98    اصل مقاله (1.61 M)
نویسندگان
اردشیر قاسم زاده* ؛ مجید غیوری ثالث
دانشگاه امام حسین(ع)
تاریخ دریافت: 21 اردیبهشت 1395،  تاریخ بازنگری: 06 مهر 1403،  تاریخ پذیرش: 28 شهریور 1397 
چکیده
عملیات‌های سایبری، که عملیات منع سرویس‌دهی توزیع‌یافته (DDoS) یکی از مهمترین انواع آنها هستند، با فرض این‌که مبتنی بر اصول عملیات تاثیرمحور باشند، پیامدهای متنوعی ایجاد می‌کنند. اندازه‌گیری میزان و ابعاد پیامدهای یک عملیات سایبری از پیچیدگی بالایی برخوردار است. یکی از روش‌های استخراج پیامدها، ارزیابی میزان اثربخشی عملیات می‌باشد. از طرفی ارزیابی میزان اثربخشی نیز پیچیده و سخت می‌باشد، چرا که فضای تاثیرات عملیات سایبری، دارای شرایطی مثل عدم قطعیت بالا، گسترده بودن و غیرخطی بودن رابطه قدرت و کارایی عملیات با اثرات وضعی آنها می‌باشد. عموما برای غلبه بر چالش فوق از تلفیق داده‌های دریافتی از چند حسگر استفاده می‌شود. در فضای عملیات، حسگرها به دو نوع حسگر آشکار و پنهان تقسیم می‌شوند ولی در فضای سایبر حسگرهای آشکار از اهمیت بالاتری برخوردار هستند. در این تحقیق یک ساز وکار مناسب برای اندازه‌گیری میزان موفقیت حملات DDoS طراحی شده است. جهت بازخوردگیری و اندازه‌گیری اثر نهایی عملیات DDoS، از منابع آشکار بعنوان حسگرها در مشاهده و دریافت میزان تاثیرات این نوع از عملیات، استفاده شده است. از آنجا که داده‌های منابع آشکار نزدیک به زبان شناختی بوده و همچنین به‌صورت دامنه‌ای و غیر دقیق بیان می‌گردد، لذا از روش فازی که یکی از بهترین روش‌های حل مسائل عدم قطعیتی و ابهام‌آلود می-باشد، استفاده شده است. همچنین از منطق فازی و دلفی فازی وزن‌دار به صورت توامان جهت تلفیق و ادغام داده‌های حسگرها استفاده شده است. نتیجه ارزیابی‌ها به‌خوبی نشان می‌دهد ساز و کار ارائه‌شده برای انتخاب و مقیاس‌بندی داده‌های آشکار به خوبی تدوین شده است و روش پیشنهادی برای تلفیق داده‌ها به دلیل توانایی عمل در محیط‌های عدم قطعیتی و مبهم، خطای کمتری نسبت به منطق کلاسیک و تک‌حسگری دارد.
کلیدواژه‌ها
عملیات سایبری؛ عملیات DDoS؛ اثربخشی عملیات؛ پیامد؛ استنتاج فازی
مراجع
  1. "https://www.akamai.com/us/en/resources/ddos.jsp” 2015.
  2. "http://www8.hp.com/emea_middle_east/ar/home.html” "https://www.symantec.com/solutions/financial-services”
  3. Hp-ponemon, “Hewlett-Packard,” 2014.
  4. J. Mirkovic, “D-WARD: Source-End Defense Against Distributed Denial-of-Service Attacks,” Ph.D Thesis,
  5. “http://www.prolexic.com/resources/ddos.jsp,” 2013.
  6. T. Ross and j. Wiley, “Fuzzy Logic with Engineering Application,” The Atrium, Southern Gate, Chichester, West Sussex, vol. United Kingdom, 2005.
  7. C. Hsue, “Evaluating the Best Main Battle Tank Using Fuzzy Decision Theory with Linguistic Criteria Evaluation,” European Journal Of Operational Research, vol. 142, 2002.
  8. X. Peng Su and H. Tang, “DoS Attack Impact Assessment based on 3GPP QoS Indexes,” Institute of Electronic Technology, The PLA Information Engineering University, P. R. China, 2008.
  9. P. Mirkovic, S. Fahmy, R. Thomas, A. Hussain, and S. Schwab, “Measuring Impact of denial Of service,” 2nd ACM workshop on Quality of protection QoP, pp. 53 - 58, 2006.
  10. S. Kumar, M. Sachdeva, and K. Kumar, “Flooding based DDoS attacks and their influence on web services,” International Journal of Computer Science and InformationTechnology, vol. 2, no. 3, pp. 1131-1136, 2011.
  11. K. Kumar, “Protection from Distributed Denial of Service (DDoS) Attacks in ISP Domain,” Indian Institute of Technology, Roorkee, 2007.
  12. J. Mirkovic, B. Wilson, S. Fahmy, P. Reiher, R Thomas, W. Yao, and S. Schwab, “Towards user-centric metrics for denial-of-service measurement,” In proceedings of the workshop on Experimental computer science, San Diego, California, 2007.
  13. S. Schwab, R. Thomas, and B. Wilson, “Towards systematic IDS evaluation,” In Proceedings of DETER Community Workshop, pp. 20-23, June 2006.
  14. C. Joshi, “An Integrated Honeypot Framework for Proactive Detection, Characterization and Redirection of DDoS Attacks at ISP level,” International Journal of Information Assurance and Security (JIAS), vol. 3, no. 1,
  15. pp. 1-15, March 2008.
  16. B. Gupta and M. Misra, “An ISP Level Solution to Combat DDoS Attacks using Combined Statistical Based Approach,” Journal of Information Assurance and Security, vol. 3, no. 2, pp. 102-110, June 2008.
  17. W. T. Dubendorfer and B. Plattner, “An economic damage model for large-scale Internet attacks,” In 13th IEEE International Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises, vol. IEEE Comput. Soc., pp. 223-228, 2004.
  18. D. Merwe, “MIDAS: An Impact Scale for DDoS attacks,” 15th IEEE Workshop on Local & Metropolitan Area Networks, pp. 200–205, 2007.
  19. V. Raja, S. Reddy Gade, and S. Kumar, “Performance of Win-dows XP, Windows Vista and Apple’s Leopard Computers under a Denial of Service Attack,” In Fourth International Conference on Digital Society, pp. 188-191, IEEE, February 2010, 2010.
  20. F. Roman Chertov and B. Shroff, “Emulation versus Simula-tion: A Case Study TCP-Targeted Denial of Service Attacks,” 2nd International Conference on Testbeds and Research Infrastructures for the Development of Net-works and Communities, pp. 316–325, 2006.
  21. I. Traore, “Queue-based analysis of DoS attacks,” In Information Assurance Workshop, IAW’05, pp. 266-273 2005.
  22. S. Floyd and V. Jacobson, “Random early detection gateways for congestion avoid-ance,” IEEE/ACM Transactions on Networking, vol. 1, no. 4, pp. 397-413, 1993.
  23. H. Alefiya Hussain and C. Papadopoulos, “A framework for classi-fying denial of service attacks,” In Proceedings of the 2003 conference on Applications, technologies, architectures, and protocols for computer communications-SIGCOMM New York, USA ACM Press, p. 99, 2003.
  24. H. Jelena Mirkovic, S. Fahmy, P. Reiher, and R. Thomas,
  25. “Accurately Measuring Denial of Service in Simulation and Testbed Experiments,” IEEE Transactions on Dependable and Secure Computing, vol. 6, no. 2, pp. 81-95, April 2009.
  26. G. Monika Sachdeva and K. Kumar, “An emulation based impact analysis of DDoS attacks on web services during flash events,” 2nd International Conference on Computer and Communication Technology (ICCCT-2011), pp. 479-484, 2011.
  27. K. Monika Sachdeva, G. Singh, and K. Singh, “Performance Analysis of Web Service under DDoS Attacks,” IEEE International Advance Computing Conference, number March, pp. 1002-1007, 2009.
  28. "https://www.neustar.biz/security/ddos-protection", 2012.
  29. H. Builder and C. Nordin, “Alternative Models of Command and Control,” In: Command Concepts: A Theory Derived from the Practice of Command and Control, Rand Corp., 1999.
  30. K. Monika Sachdeva, G. Singh, and K. Singh, “Performance Analysis of Web Service under DDoS Attacks,” IEEE International Advance Computing Conference (IACC 2009), March 2009.
  31. C. Rither, “Predicting the Impact of Denial of Service Attacks,” Department of Electrical and Computer Engineering, THESIS: Degree of Master of Science, Air University, Ohio, 2012.
  32. G. Monika Sachdeva, K. Kumar1, and K. Singh, “Measuring Impact of DDOS Attacks on Web Services,” Information Assurance and Security, 2010.
  33. H. Teodor Sommestad and M. Ekstedt, “Estimates of success rates of Denial-of-Service attacks,” Royal Institute of Technology (KTH), 2011.
آمار
تعداد مشاهده مقاله: 671
تعداد دریافت فایل اصل مقاله: 143