یکی از رایج ترین حملات در اینترنت حملات منع خدمات سرویس است که به صورت متداول به صورت گسترده و غیرمتمرکز تحت عنوان حملات منع خدمات سرویس توزیع شده انجام می‌شود. به طور معمول حملات منع خدمت سرویس در لایه ی کاربرد و لایه ی شبکه توسط حمله کنندگان انجام می‌شود. در لایه ی کاربرد، حمله کننده سعی مینماید به یک برنامه کاربردی خاص تحت شبکه در یک سازمان حمله کند، اما در لایه ی شبکه معمولا حمله کننده با استفاده از ارسال داده ها با نرخ بالا، مانع استفاده ی مطلوب پهنای باند شبکه شده و کاربر مجاز را از دسترسی به خدمات منع میکند. به همین دلیل به حملات محروم سازی از سرویس نیز شناخته میشوند. قربانی این حملات سازمان های بزرگ و اداره ها و حتی اشخاص مهم، هستند. حملات علیه برخی از سازمان ها مانند بانک ها، میتواند آسیب زیادی وارد نموده و شبکه ی بانکی را از دسترس خارج کند. باتوجه به اینکه حملات به صورت توزیع شده صورت میگیرد، مسئله شناسایی و مقابله با حملات منع خدمات سرویس یک چالش بزرگ می باشد. مقابله با این حملات عموما ازطریق رایانه یا روترها، مانند سخت افزارهای شرکت سیسکو، صورت میگیرد. برای مقابله با حملات منع خدمات سرویس با نرخ ارسال بسته بسیار بالا نیاز به استفاده از سخت‌افزارهایی با قابلیت پردازشی بالا است. از این رو در این پایان نامه قصد داریم با به‌کارگیری سخت افزار FPGA امکان تشخیص و مقابله با این نوع حملات ارائه شود. هم چنین، در این تحقیق به‌منظور شناخت حملات جدید و شناسایی دقیق تر حملات از یادگیری ماشین و به‌ویژه از شبکه های عصبی (یادگیری عمیق) استفاده می‌شود که این امر قابلیت توسعه پذیری به ساختار میدهد.

در این پایان‌نامه با استفاده از یادگیری عمیق، مدلی طراحی شد که علاوه بر فشرده بودن، از دقت بالایی برخوردار باشد. لایه‌ی اصلی این مدل لایه‌ی LSTM است که با استفاده از زبان سطح بالا HLS بر روی سخت‌افزار FPGA شبیه‌سازی گردید. نتایج شبیه‌سازی نشان‌دهنده ی آن هستند که دقت روش پیشنهادی در حدود 98 درصد می‌باشد.

کلمات کلیدی:

حملات منع خدمات سرویس، حملات منع خدمات سرویس توزیع شده، یادگیری عمیق، سخت افزار FPGA، تشخیص سریع