多層のSDNセキュリティとMAC認証とGANベースの侵入検知

科学分野:

• サイバーセキュリティ
• コンピュータ ネットワーク
• 深層学習

背景:

• ソフトウェア定義ネットワーク (SDN) は,5Gのデータ伝送における役割により,サイバー攻撃の標的となっている.
• 既存の侵入検知システムは 低精度と高偽陽性率に苦しんでおり 先進的な解決策が必要である.

研究 の 目的:

• SDN環境のための堅牢で多層の侵入検知システムを開発する.
• ネットワークのセキュリティと効率を 高度な認証とディープラーニング技術によって向上させる.

主な方法:

• 安全で効率的な認証のために,円曲線暗号を使用する新しい4Q曲線認証システムの実装.
• 最適なスイッチ選択のための単変数アンサンブル機能選択の適用.
• ネットワークトラフィックを分類するために Sheep Flock Optimization Algorithm (SFOA) によって最適化された二重差別条件付き生成対抗ネットワーク (DDcGAN) を利用する.
• 疑わしいパケットを分類するために,Growing Self-Organizing Map (GSOM) を使用する.

主要な成果:

• DDcGANベースの侵入検知システムは,高精度98.29%とF1スコア0.975を達成しました.
• 精度,感度,偽陽性率の減少 (2.05%) で最先端の方法よりも優れた性能を示した.
• 50%の悪質なノードでも 99.04%の真の陽性率を達成し,4.5%のエネルギー節約を報告しました.

結論:

• 提案されている4つのQ曲線認証とDDcGANベースの侵入検知システムは,SDN環境のセキュリティを大幅に改善します.
• このシステムは,高い検出精度と計算効率と低エネルギー消費のバランスをとります.
• この研究は,先進的なネットワークインフラにおける将来のサイバーセキュリティソリューションのための有望な枠組みを提供します.