DEEP LEARNING ASOSIDA DDOS HUJUMLARINI ANIQLASH: OPTIMALLASHTIRILMAGAN VA OPTIMALLASHTIRILGAN MA'LUMOTLAR BILAN ISHLASH.
Madrahimov Z. E. & Olimboyev H. K.
Annotatsiya
DDoS (Distributed Denial of Service) hujumlari tarmoq infratuzilmalariga salbiy ta’sir ko‘rsatadi, tizimlarning samarali ishlashida buzulishga olib keladi. Ushbu tadqiqotda, DDoS hujumlarini aniqlash uchun Deep Learning (DL) metodlarining samaradorligi tahlil qilingan. Statik tarmoqlarda talablarga moslashish uchun, Convolutional Neural Networks (CNN) va Long Short-Term Memory (LSTM) kabi modellarni qo‘llash maqsadga muvofiq, optimallashtirilgan va optimallashtirilmagan ma’lumotlar o‘qitiladi va natijalar baholandi. Izlanish, Deep Learning metodlarini qo‘llash DDoS hujumlarini aniqlashda yuqori samaradorlikka erishish mukinligini ko‘rsatdi, shuningdek, optimallashtirish ma’lumotlar model samaradorligini qanday yaxshilashini o‘rganishga qaratilgan. Ma’lumotlar to‘plami tarmoq trafigiga oid muhim xususiyatlarni o‘z ichiga oladi, masalan, paket uzunliklari, oqim tezligi, va boshqa tarmoq bilan aloqador parametrlar. Optimallashtirilgan ma’lumotlar bilan o‘qitilgan model yuqori aniqlik va tezlik ko‘rsatkichlariga ega bo‘ldi, bunda aniqlik 98.3% va sezuvchanlik 97.1% ga yetdi. Optimallashtirilmagan ma’lumotlar bilan ishlov berilgan modelning natijalari sezilarli darajada pastroq bo‘ldi, bu esa ma'lumotlarni optimallashtirish jarayonining modelning ishlashiga qanday ta’sir qilishini ko‘rsatadi. Olingan natijalardandan quyidagilarni xulosalash mumkin, birinchidan, ma’lumotlarni standartlashtirish (optimallashtirish) yordamida modelning aniqligi va samaradorligi sezilarli darajada oshadi. Bu esa DDoS hujumlarini aniqlashda Deep Learning texnologiyalarining yuqori samaradorligini va tarmoq xavfsizligini ta’minlashda muhim ahamiyatga ega ekanligini ko‘rsatdi. Tadqiqotning yakuniy natijalari, shuningdek, tarmoqni real vaqt rejimida himoya qilishda bu metodlarning samarali qo‘llanishi mumkinligini ko‘rsatadi, shuningdek, optimallashtirishning modelning sezgirligi va aniqligini yaxshilashda qanday yordam berishini namoyish etadi.
Adabiyotlar
- H. K. O'g'li Olimboyev and H. K. O'g'li Olimboyev, "Matrix Method for Safety Level Assessment," 2024 IEEE 3rd International Conference on Problems of Informatics, Electronics and Radio Engineering (PIERE), Novosibirsk, Russian Federation, 2024, pp. 1530-1534, doi: 10.1109/PIERE62470.2024.10804894.
- Zakariyo , Idris. (2022). IoT xavfsizligi monitoringi uchun mustahkam, samarali va resurslarni tejaydigan mashinani o'rganish texnikasiga .. doi : https://core.ac.uk/download/568119133.pdf
- Prabu K, Sudhakar P,. (2024). Kengaytirilgan tarmoq hujumini aniqlash uchun gibrid chuqur o'rganish yondashuvi. Ilg'or muhandislik va fan instituti, doi : https://core.ac.uk/download/622486402.pdf
- Al- Tarawneh , Mutaz AB, Alkhresheh , Ashraf, ALMahadin , Ghayth , Hiari va boshqalar.. ( 2022). Hujumni aniqlash uchun aqlli va optimallashtirilgan mashinani o'rganish tizimi ish faoliyatini baholash. Auricle Global Ta'lim va Tadqiqot Jamiyati, doi : https://core.ac.uk/download/552654328.pdf
- T. Urazmatov, K. Otamuratov, O. Djumanazarov and J. Yusupova, "Detection of Eye Disease in Retinal Images Based on Haar Wavelets," 2024 IEEE 25th International Conference of Young Professionals in Electron Devices and Materials (EDM), Altai, Russian Federation, 2024, pp. 2610-2613, doi: 10.1109/EDM61683.2024.10615085.
- Barbosa, Barros Bosh vazir. (2023). ENNigma : Xususiy neyron tarmoqlar uchun asos. doi : https://core.ac.uk/download/595412225.pdf
- O. Khujaev, O. Djumanazarov and B. Soliyev, "Artificial Intelligence is Used to Identify Tomato Diseases Through Leaf Analysis," 2024 IEEE 3rd International Conference on Problems of Informatics, Electronics and Radio Engineering (PIERE), Novosibirsk, Russian Federation, 2024, pp. 1540-1543, doi: 10.1109/PIERE62470.2024.10804922.
- Zakariyo , Idris. (2022). IoT xavfsizligi monitoringi uchun mustahkam, samarali va resurslarni tejaydigan mashinani o'rganish texnikasiga .. doi : https://core.ac.uk/download/568119133.pdf
- Prabu K, Sudhakar P,. (2024). Kengaytirilgan tarmoq hujumini aniqlash uchun gibrid chuqur o'rganish yondashuvi. Ilg'or muhandislik va fan instituti, doi : https://core.ac.uk/download/622486402.pdf
- Prabu K, Sudhakar P,. (2024). Kengaytirilgan tarmoq hujumini aniqlash uchun gibrid chuqur o'rganish yondashuvi. Ilg'or muhandislik va fan instituti, doi : https://core.ac.uk/download/622486402.pdf
- Mixanjo , Karl E, Mongi , Aleks F. (2022). Chuqur o'rganish usullaridan foydalangan holda Internet-trafikda DDoS hujumlari va Flash hodisalarini izolyatsiya qilish. Muhandislik va texnologiya kolleji, Dar es-Salam universiteti., doi : https://core.ac.uk/download/551548991.pdf
- Zakariyo , Idris. (2022). IoT xavfsizligi monitoringi uchun mustahkam, samarali va resurslarni tejaydigan mashinani o'rganish texnikasiga .. doi : https://core.ac.uk/download/568119133.pdf
- Chohra , Aniss . (2019). Ulanish ma'lumotlari oqimlarida tarmoq anomaliyalarini miqyosli va samarali aniqlash. doi : https://core.ac.uk/download/222931116.pdf
- Rasm uchun havola.
- DDoS hujumlarini aniqlash tizimi ramkasi [Rasm]. 2025. Mavjud: https://media.springernature.com/lw685/springer static/image/art%3A10.1038%2Fs41598-024-77554- 9/MediaObjects/41598_2024_775_Ac4ed. 22/01/2025].
- Anomaliyalarni aniqlash uchun ma'lumotlarni qayta ishlashda nazorat qilinadigan va nazoratsiz modellarni taqqoslash [Rasm]. 2025. Mavjud: https://www.mdpi.com/information/information-14-00103/article_deploy/html/images/information-14-00103-g001.png [Kirish 22/01/2025].