Neighbor discovery protocol anomaly-based detection system using neural network algorithm

邻居发现协议异常检测系统使用神经网络算法

过去十年中，面向互联网的设备呈指数增长，导致由于现有IPv4地址空间的限制而出现IP地址枯竭。因此，互联网工程任务组设计了互联网协议的新版本，称为互联网协议版本6（IPv6），以解决这个问题。然而，IPv6高度依赖邻居发现协议（NDP），不幸的是，该协议的底层消息协议——互联网控制消息协议版本6存在众所周知的漏洞。因此，NDP的缺陷使IPv6网络容易受到许多安全威胁和攻击的威胁，包括中间人攻击、欺骗和拒绝服务攻击，后者是网络层最烦人的攻击之一。不幸的是，现有的基于异常的检测系统存在一个关键问题，即检测基于NDP的分布式拒绝服务（DDoS）攻击的有效性，这需要紧急解决。

本文提出了一种系统，用于发现由于NDP攻击而导致的非正常的网络流量模式。它通过教授神经网络如何使用反向传播算法识别网络攻击模式来实现这一目标。所提出的系统是该领域的一大步向前，因为它使用复杂的神经网络算法创建了一个基于NDP异常的检测系统。使用真实数据集测试所提出系统的性能表明，它能以99.95%的成功率、99.92%的精确率、99.98%的召回率、99.98%的F1分数和0.040%的误报率发现NDP异常。此外，与其他现有方法相比，所提出的方法显示出更好的结果。