تشخيص نفوذ در ابر رايانشي توسط تكنيك تشخيص ناهمگوني

در سال‌هاي اخير، ظهور و گسترش روزافزون استفاده از رايانش ابري، درك همه از معماري‌هاي زيرساخت، ارائه نرم‌افزار و مدل‌هاي توسعه را به شدت تغيير داده است. پس از انتقال از رايانه‌هاي مركزي به مدل‌هاي سرويس گيرنده/سرويس دهنده، رايانش ابري عناصري از محاسبات گريد، محاسبات ابزار و محاسبات خودكار را در بر مي‌گيرد و به يك معماري استقرار نوآورانه تبديل مي‌شود. اين انتقال سريع به سمت رايانش ابري، نگراني‌هايي براي موفقيت سيستم‌هاي اطلاعاتي، ارتباطات و امنيت اطلاعات ايجاد كرده است. ساختار توزيع شده رايانش ابري به عنوان هدفي جذاب براي حملات سايبري بالقوه توسط نفوذگران تبديل مي شود. در اين مقاله با استفاده از رويكرد تشخيص ناهنجاري، روشي براي تعبيه‌ يك سيستم تشخيص نفوذ براي رايانش ابري ارائه شده است. لذا با مطالعه بر روي چگونگي بررسي پارامترها و نقش تركيبي پارامترها در تشخيص نفوذ در ابر، به بررسي و ارائه چهارچوب نظري به همراه شبيه‌سازي رفتار مشكوك در ابر پرداخته شده است. منطقي‌ترين روش براي شناسايي نفوذ، استفاده از روش‌هاي همراه با ناظر براي يادگيري پارامترهاي رفتار عادي مشتريان است. لذا تشخيص رفتار مغرضانه در قالب رفتار مشكوك، با يك شبيه‌سازي اوليه در قالب شناسايي رفتار غيرعادي در حيطه‌هاي مختلف رفتاري توسط شبكه عصبي تكرار‌كننده پياده‌سازي شده و مورد بحث، بررسي و مقايسه قرار گرفت. نتايج حاصل از شبيه‌سازي روش‌ پيشنهادي نشان مي‌دهد كه اين تحقيق مي‌تواند جنبه‌هاي جديدي را براي بررسي مسئله تشخيص نفوذ در ابر ارائه كند و از روش دسته‌بندي نيز كارايي بهتري از خود نشان دهد.