Denial of Service Attacks: Tools and Categories

Obaid, Hadeel S.

doi:10.17577/ijertv9is030289

Cited by 2 publications

(1 citation statement)

References 13 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…These attacks are frequently observed, introducing a software update bug. Flooding the communication channel with multiple requests causing the channel to be irresponsive to legitimate users, is defined as a denial of service attack [14]. This attack is dangerous and causes communication delays or interruptions, affecting military bodies and research bodies.…”

Section: Introductionmentioning

confidence: 99%

Cyber-attacks in Cyber Physical Microgrid Systems : A comprehensive Review

Koduru¹,

Machina²,

Madichetty³

2023

Preprint

View full text Add to dashboard Cite

Importance and need for cyber security have increased in folds since a decade. Indirectly, the country’s security depends on the country’s cyber-physical systems. Attackers are becoming more innovative, and attacks are becoming undetectable, causing huge risks to the systems. In this scenario, intelligent and evolving detection methods should be introduced to replace the basic and outworn ones. This article discusses about new-age intelligence and smart techniques dealing with artificial intelligence (AI) models. Artificial intelligence for cyber security is reviewed, and the performance of machine learning models (ML) and deep learning (DL) models are analysed.

show abstract

Section: Introductionmentioning

confidence: 99%

Cyber-attacks in Cyber Physical Microgrid Systems : A comprehensive Review

Koduru¹,

Machina²,

Madichetty³

2023

Preprint

View full text Add to dashboard Cite

show abstract

Efecto de la selección de atributos en el desempeño de un IDS basado en machine learning para detección de intrusos en ataques DDoS

Montes-Gil,

Isaza-Cadavid,

Duque-Méndez

2023

S. F. J. of Dev.

View full text Add to dashboard Cite

En sistemas informáticos cada vez más expuestos a través de redes globales de comunicación, la ciberseguridad enfrenta grandes retos. Dentro de los riesgos a que están expuestos estos sistemas están los ataques de denegación de servicios DoS, que atentan con la disponibilidad de los recursos. Dentro de los mecanismos para enfrentar esta situación están los sistemas de detección de intrusos IDS que mediante análisis de las tramas entrantes intentan determinar la presencia de un ataque. Los enfoques basados en técnicas de inteligencia artificial y algoritmos de machine learning muestran una contribución importante en la implementación de IDS en la actualizada. Pero como en todos los algoritmos de machine learning la alta dimensionalidad de los datos, como en el caso de las tramas en la red, pueden afectar el desempeño en el entrenamiento y más aún en la fase de producción. Las estrategias de reducción de características son una alternativa aplicada en muchos campos para poder seleccionar características que mantengan el buen desempeño de los algoritmos, pero mejorando el rendimiento. Este articulo presenta el efecto de la selección de atributos en el desempeño de un IDS basado en machine learning para detección de intrusos en ataques DDoS, mediante estudio empírico. El dataset utilizado es CICIDS-2017.

show abstract

Denial of Service Attacks: Tools and Categories

Cited by 2 publications

References 13 publications

Cyber-attacks in Cyber Physical Microgrid Systems : A comprehensive Review

Cyber-attacks in Cyber Physical Microgrid Systems : A comprehensive Review

Efecto de la selección de atributos en el desempeño de un IDS basado en machine learning para detección de intrusos en ataques DDoS

Contact Info

Product

Resources

About