Crédit : Pixabay/CC0 Domaine public
Des chercheurs ont développé un nouveau système basé sur l’intelligence artificielle conçu pour améliorer la détection des cyberattaques dans les réseaux définis par logiciel (SDN), une architecture de réseau largement utilisée dans les centres de données et les systèmes d’entreprise.
Ce système combine un réseau neuronal quantique profond avec une technique d’optimisation inédite inspirée du comportement des oies sauvages et des mangoustes naines. Son objectif est d’identifier les anomalies de trafic réseau, notamment les attaques par déni de service distribué (DDoS), tout en évitant la surcharge des contrôleurs réseau.
Les réseaux SDN se distinguent des réseaux traditionnels par la séparation du plan de contrôle, qui prend les décisions de routage, et du plan de données, qui achemine le trafic. Si cette architecture améliore la flexibilité et centralise la gestion, elle crée également des cibles potentielles pour les attaquants cherchant à perturber les communications entre les contrôleurs et les périphériques réseau.
Dans la nouvelle approche décrite dans l’ International Journal of Heavy Vehicle Systems , le trafic réseau est analysé à l’aide d’un réseau neuronal quantique profond, un modèle d’apprentissage automatique conçu pour reconnaître des schémas complexes. Lorsqu’un trafic suspect est détecté, le système évalue la charge de travail des contrôleurs et transfère automatiquement les commutateurs réseau des contrôleurs surchargés vers ceux disposant de capacités disponibles.
Dans leurs simulations, les chercheurs ont démontré une précision de détection de 93,7 %. Ils ont obtenu un taux de vrais positifs de 91,6 % et un taux de vrais négatifs de 87,5 %. Les chercheurs affirment que la combinaison de la détection des anomalies de trafic et de l’équilibrage de charge automatisé pourrait renforcer les infrastructures réseau de plus en plus centralisées.
