روشهاي يادگيري ماشين در تشخيص حملات سايبري

Machine learning methods in detecting cyber attacks

پيشرفت‌ سريع فناوري‌هاي شبكه و ميزان و دامنه داده‌هاي انتقال‌ يافته در شبكه‌، روز‌به‌روز در حال افزايش است. به همين دليل، تراكم و پيچيدگي حملات سايبري هم در حال گسترش است. معرفي اهداف روش‌هاي يادگيري ماشين در تشخيص، طبقه‌بندي و تجزيه ‌و ‌تحليل حملات سايبري موضوع اين ارائه مي باشد. يادگيري ماشين، ابزارها و فنون مختلفي را براي خودكارسازي مواجه با حملات سايبري و پيش‌بيني سريع آنها ارائه مي‌كند و لذا از روش‌هاي كاهش ابعاد آماري يا الگوريتم‌هاي انتخاب ويژگي استفاده و داده‌هاي آموزشي ابتدا از يكسري عمليات پيش‌پردازشي شامل تبديل داده‌ها و نرمال‌سازي عبور مي‌كنند. به ‌اين‌ترتيب آموزش مدل‌ها بطور مداوم به‌روز شده و تشخيص نفوذ بصورت خودكار انجام مي‌شود. بر اين اساس يك طبقه‌بندي اساسي براي حملات سايبري پيشنهاد و نشان داده شده است كه افزايش رويكردهاي تركيبي به‌جاي طبقه‌بندي‌كننده‌هاي يكسان براي تهديدهاي مختلف، اين فناوري‌ را بيشتر توسعه مي‌دهد. روش‌هاي كاهش ابعاد و انتخاب ويژگي براي كارآيي سيستم تشخيص نفوذ حياتي بوده و اثربخشي تكنيك‌هاي موجود يادگيري ماشين براي امنيت سايبري به ويژگي‌هاي ديتاست‌ها و بروز شدن مداوم آنها بستگي دارد. همچنين بايد اذعان داشت كه اگرچه تشخيص‌ با فناوري‌هاي هوش مصنوعي صورت گرفته است اما به‌نظر نمي‌رسد بدون نظارت انساني، تضمين كامل امنيت امكان‌پذير باشد.