| مشخصات مقاله | |
| ترجمه عنوان مقاله | حفاظت از سرویس های VNF با استفاده از روش تشخیص آنلاین هوشمند ناهنجاری رفتاری |
| عنوان انگلیسی مقاله | Protecting VNF services with smart online behavior anomaly detection method |
| انتشار | مقاله سال 2019 |
| تعداد صفحات مقاله انگلیسی | 39 صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research article) |
| مقاله بیس | این مقاله بیس نمیباشد |
| نمایه (index) | scopus – master journals – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
5.341 در سال 2017 |
| شاخص H_index | 85 در سال 2019 |
| شاخص SJR | 0.844 در سال 2017 |
| شناسه ISSN | 0167-739X |
| شاخص Quartile (چارک) | Q1 در سال 2017 |
| رشته های مرتبط | مهندسی فناوری اطلاعات – مهندسی کامپیوتر |
| گرایش های مرتبط | اینترنت و شبکه های گسترده – معماری سیستم های کامپیوتری |
| نوع ارائه مقاله |
ژورنال |
| مجله / کنفرانس | سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems |
| دانشگاه | Hangzhou Dianzi University, No.1 Avenue 2, Xiasha, Jianggan District, Hangzhou China |
| کلمات کلیدی | NFV، مدل رفتاری، HMM، تشخیص ناهنجاری، OpenStack |
| کلمات کلیدی انگلیسی | NFV, behavior model, HMM, anomaly detection, OpenStack |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.future.2018.12.058 |
| کد محصول | E11987 |
| ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. | |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Outline Abstract Keywords 1. Introduction 2. Background and motivation 3. VNF behavior anomaly detection 4. System implementation 5. Performance evaluation 6. Related work 7. Conclusion Acknowledgments References |
| بخشی از متن مقاله: |
| Abstract Network Function Virtualization (NFV) is an emerging technology that allows network operators to deploy their Virtualized Network Functions (VNFs) on low-cost commodity servers in the cloud data center. The VNFs, such as virtual routers, firewalls etc., that typically control and transmit critical network packages, require strong security guarantees. However, detecting malicious or malfunctioning VNFs are challenging, as the behaviors of VNFs are dynamic and complex due to the changing network traffics in the cloud. In this paper, we propose a smart and efficient Hidden Markov Model based anomaly detection system (named vGuard) to protect online VNF services in the cloud. A general multivariate HMM model is proposed to profile the normal VNF behavior patterns. Using the VNF behavior model trained with normal observation sequences, vGuard can effectively detect abnormal behaviors online. vGuard is a general framework that can train different types of VNF behavior models. We implement the vGuard prototype in the OpenStack platform. Two types of VNF models, virtual router and virtual firewall, are trained using real normal network traffics in our experiment evaluation. A collection of abnormal attack cases are tested on the VNFs that showed the effectiveness of vGuard in detecting VNF behavior anomalies. |