Tekoälyn hyödyntäminen hajautettujen palveluestohyökkäysten havaitsemisessa

Abstract

Hajautetut palveluestohyökkäykset eli DDoS-hyökkäykset pystyvät aiheuttamaan merkittäviä vahinkoja, kun palvelujen tai laitteiden toimintakyky estetään ruuhkauttamalla verkkoliikenne. Ongelmana tässä on, että perinteiset DDoS havaitsemismenetelmät eivät riitä enää uusiin mukautuviin hyökkäyksiin. Tämän tutkielman tarkoituksena oli löytää käyttäen tämän päivän kehittynyttä tekoälyä mahdollisiin ratkaisuihin havaita DDoS-hyökkäyksiä. Tutkielma oli toteutettu kirjallisuuskatsauksena, jossa hyödynnetty alan tieteellisiä artikkeleita ja kirjallisuutta. Kirjallisuuskatsauksessa ratkaisuna tutkimusongelmaan löytyi erilaisia tekoälymenetelmiä, joita pystytään käyttämään DDoS-hyökkäysten havaitsemiseen. Osa käsitellyistä menetelmistä pystyi hyvin tarkkoihin tuloksiin. Tärkeää on kumminkin huomioida oikeanlaisen menetelmän valikointi, jotta voidaan päästä tarpeeksi tarkkaan tulokseen DDoS-hyökkäysten havaitsemiseen. Tutkimus korosti, että tekoälymenetelmien onnistunut toiminta edellyttää riittävän ajantasaisen opetusdatan hyödyntämistä, jotta nämä menetelmät voivat torjua myös uusia ja kehittyneempiä DDoS-hyökkäyksiä.

Distributed Denial of Service attacks, or DDoS attacks, can cause significant damage by disrupting the functionality of services or devices through network traffic congestion. The problem lies in the fact that traditional DDoS detection methods are no longer sufficient to counter new, adaptive attacks. The purpose of this thesis was to explore potential solutions for detecting DDoS attacks using today’s advanced artificial intelligence. The study was conducted as a literature review, utilizing scientific articles and literature from the field. In the literature review, various artificial intelligence methods were found as a solution to the research problem, which can be used to detect DDoS attacks. As solutions, various artificial intelligence methods can be used to detect DDoS attacks. Some of the methods reviewed demonstrated very high levels of accuracy. However, it is important to consider selecting method in order to achieve a sufficiently accurate result for detecting DDoS attacks. The study highlighted that the successful performance of AI methods relies on utilizing sufficiently up-to-date training data to ensure these methods can also counter new and more advanced DDoS attacks.