Bài báo An Approach to Attack Classification for Programmable Network Infrastructure Using Machine Learning and Deep Learning Solutions
Link bài báo: https://ieeexplore.ieee.org/document/11328054
Sinh viên thực hiện:
• Phạm Thái Bảo – ATCL2021 – Tác giả chính
• Nguyễn Lê Hạ My – MMTT2023.2 – Đồng tác giả
Giảng viên hướng dẫn:
• ThS. Nguyễn Khánh Thuật
• PGS. TS. Lê Trung Quân
Tóm tắt:
The rapid development of Internet-connected devices has driven the rise of smart cities, where large-scale Internet of Things (IoT) systems require efficient infrastructure management with centralized monitoring and control. In this context, Software-Defined Networking (SDN) architecture offers an effective solution to meet centralized management demands and optimize network performance. However, the decoupling of the data plane and control plane also exposes SDN to severe attacks, particularly Distributed Denial of Service (DDoS) attacks and other exploitation techniques. This study proposes a network traffic classification model for SDN environments that integrates multiple Machine Learning (ML) and Deep Learning (DL) models with Explainable Artificial Intelligence (XAI). The approach enables transparent and accurate decision-making while reducing computational cost. Experimental results show that the proposed model achieves up to 99% accuracy across various attack detection and classification scenarios. Notably, with XAI, the model maintains high performance using only about 15% of the original feature set, significantly reducing training time, inference time, and model size, demonstrating strong potential for real-time deployment in SDN-based networks.
"Nhóm chúng em xin chân thành cảm ơn PGS. TS. Lê Trung Quân và ThS. Nguyễn Khánh Thuật đã nhiệt tình hỗ trợ và đồng hành cùng chúng em trong suốt quá trình nghiên cứu. Những chỉ dẫn chuyên môn và sự tận tâm của các Thầy đã định hướng và giúp chúng em hoàn thành công trình này."
Thông tin Tạp chí IEEE Access:
IEEE Access là tạp chí khoa học quốc tế thuộc IEEE, xuất bản theo mô hình Open Access, có phạm vi liên ngành rộng bao phủ các lĩnh vực khoa học máy tính, công nghệ thông tin, kỹ thuật và điện – điện tử. Tạp chí được xếp hạng Q1 theo Scimago/Scopus trong nhiều nhóm ngành, với quy trình phản biện nhanh, tiêu chuẩn công bố nghiêm ngặt và uy tín cao trong cộng đồng nghiên cứu quốc tế.
Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid02wMBb6DDVkNY2Sbpsrh3F7rXr6ZpbgciRjVtxrerMMWbs3Jv6QYJkEQFLREfDKW7rl
