یک روش تشخیص برای جریان ناهنجاری در شبکه تعریف‌شده نرم‌افزار

به عنوان یک نوع جدید از ساختار شبکه، شبکه تعریف‌شده نرم‌افزاری (‏SDN)‏یک راه‌حل جدید برای مدیریت جریان شبکه و بهینه‌سازی فراهم می‌کند، که تشخیص دقیق ناهنجاری SDN یک موضوع تحقیقاتی داغ را ایجاد کرده‌است. این مقاله یک روش تشخیص جریان مبتنی بر SDN را ارایه می‌کند، ساختارهایی را برای تشخیص جریان SDN ناهنجاری ایجاد می‌کند و تشخیص طبقه‌بندی در جریان را با استفاده از ارزش دو P برای نزدیک‌ترین K -همسایگی نزدیک‌ترین همسایه انجام می‌دهد. نتایج تجربی نشان می‌دهند که الگوریتم پیشنهادی به یک نرخ مثبت کاذب کم‌تر، دقت بالاتر، و انطباق بهتر با محیط SDN نسبت به سایر الگوریتم‌های مشابه از همان نوع دست می‌یابد.

As a new type of network structure, the Software Defined Network (SDN) provides a new solution for network flow management and optimization, which has made the accurate detection of anomaly SDN flows a hot research topic. This paper presents an SDN-based flow detection method, builds structures for detecting anomaly SDN flows and performs classification detection on the flows using the double P-value of transductive confidence machines for K-nearest neighbors algorithm. The experimental results show that the algorithm proposed achieves a lower false positive rate, higher precision, and better adaptation to the SDN environment than do other algorithms of the same type.