Unsupervised AutoML and Dimensionality Reduction for Autonomous DDoS Attack Prediction

Autor(es)

de Neira, Anderson B. ; Borges, Ligia F. ; Batista, Daniel M. ; Nogueira, Michele

• Tipo de documento: Artigo Científico
• Fonte: 2024 IEEE LATIN-AMERICAN CONFERENCE ON COMMUNICATIONS, LATINCOM; v. N/A, p. 6-pg., 2024-01-01.

Resumo

Machine learning models and feature selection are crucial for predicting Distributed Denial of Service (DDoS) attacks. Predicting attacks with high accuracy allows security teams to reduce attack damage. However, diversity in attacks and models limits predictions. Moreover, the dependence on labeled data and the utilization of unexpressive features restrict the performance of prediction models. This work proposes the AUTO-SEE technique to solve this problem. The technique engineers new features to reveal signals of attack preparation and selects the best features and the optimal machine learning model without using labeled data. This enables the technique to operate autonomously and predict different DDoS attack types, also increasing the protection against 0-day attacks. The results indicate that AUTO-SEE reduces error by up to 44.15%, reaching an accuracy between 72.41 and 100% in predicting DDoS attacks. (AU)

• Processo FAPESP: 23/13773-0 - Engenharia de Sinais Precoces de Alerta Para a Predição de Ataques DDoS
• Beneficiário: Anderson Bergamini de Neira
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Processo FAPESP: 21/06995-0 - Starling: segurança e alocação de recursos em B5G via técnicas de inteligência artificial
• Beneficiário: Daniel Macêdo Batista
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 22/06840-0 - Impacto da correlação de fontes heterogêneas na predição de botnets e DDoS
• Beneficiário: Ligia Francielle Borges
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 14/50937-1 - INCT 2014: da Internet do Futuro
• Beneficiário: Fabio Kon
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 15/24485-9 - Internet do futuro aplicada a cidades inteligentes
• Beneficiário: Fabio Kon
• Modalidade de apoio: Auxílio à Pesquisa - Temático