Graduate papers
  
Description of the graduate paper
Form of studies Master
Title of the study programm Telecommunication Technologies and Networks Management
Title in original language SDCC vides monitoringa rīku efektivitātes salīdzinošā analīze izmantojot mašīnmācīšanas paņēmienus DDoS uzbrukumu noteikšanai
Title in English Comparative Analysis of Monitoring Tool Efficiency in SDCC Environments Under DDoS Attacks Using Machine Learning
Department Faculty Of Computer Science Information Tehnology And Energy
Scientific advisor Elans Grabs
Reviewer Andris Skrastiņš
Abstract Tā kā programmatūras definētā mākoņdatošana (SDCC) kļūst arvien izplatītāka, ir būtiski izstrādāt spēcīgas drošības metodes un rīkus, īpaši aizsardzībai pret izkliedētajiem pakalpojumu atteikuma (DDoS) uzbrukumiem. Šis darbs piedāvā detalizētu mākoņdatošanas vides konfigurāciju un salīdzinošu analīzi par monitoringa rīka efektivitāti SDCC vidē DDoS uzbrukuma laikā, izmantojot mašīnmācīšanās pieeju savākto datu analīzei. Integrējot modernus risinājumus, piemēram, OpenStack, šis darbs izveido SDCC vidi, lai efektīvi analizētu Zabbix un OpenStack darbību DDoS uzbrukuma laikā. Caur rūpīgiem eksperimentiem šis pētījums parādīs, kā mašīnmācīšanās algoritmi var tikt izmantoti, lai apstrādātu un analizētu nebeidzamas monitoringa datu straumes, identificējot DDoS aktivitātes raksturīgos modeļus. Secinājumi piedāvā mērogojamu, dinamisku sistēmu, kas uzlabo reakciju precizitāti uz kiberuzbrukumiem. Pētījums aizpilda būtiskas zināšanu nepilnības un sniedz ieteikumus, kas var būt noderīgi nākotnes drošības protokoliem un aizsardzības mākoņmehānismiem.
Keywords Programmatūras definētā mākoņdatošana (SDCC), Drošības metodes, Izkliedētais pakalpojumu atteikuma (DDoS) uzbrukums, Monitoringa rīks, Mašīnmācīšanās, OpenStack, Zabbix, Kiberuzbrukumi, Mērogojama sistēma, Dinamiska sistēma, Drošības protokoli, Aizsardzības mehānismi.
Keywords in English Software-Defined Cloud Computing (SDCC), Security Techniques, Distributed Denial-of-Service (DDoS) Attack, Monitoring Tool, Machine Learning, OpenStack, Zabbix, Cyber Attacks, Scalable System, Dynamic System, Security Protocols, Defense Mechanisms
Language eng
Year 2024
Date and time of uploading 01.06.2024 20:32:58