مروری بر تشخیص تهدیدات داخلی با استفاده از الگوریتم های یادگیری عمیق

سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 299

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NREAS03_221

تاریخ نمایه سازی: 16 آبان 1400

چکیده مقاله:

تهدیدات داخلی به یکی از مسائل پر چالش امنیت سایبری تبدیل شده است. تهدیدها در فضای مجازی، معمولا ضررهای غیرقابل جیرانی را برای سازمانها به همراه دارند. مسئله شناسایی تهدیدات داخلی برای مدت ها در جامعه امنیتی مورد مطالعه قرار گرفته است. روش های تشخیص تهدیدات داخلی مبتنی بر یادگیری ماشین بخش عمده ای از این مطالعات را تشکیل می دهد. نتایج این تحقیقات نشان می دهد که تهدیدات سیستم های داخلی، روش ها و ابزارهای ویژه ای نیاز دارند. طی مطالعات بررسی شده، الگوریتم های یادگیری ماشین توانایی تشخیص دقیق و سریع یک فرد مخرب را در پی دارند. در مقایسه با الگوریتم های سنتی امنیت، مدل های یادگیری ماشین می توانند عملکرد تشخیص تهدیدات داخلی را بهبود بخشند. با این حال، استفاده از یادگیری ماشین برای پیشبرد بیشتر وظیفه شناسایی تهدیدات داخلی، هنوز با محدودیت های زیادی مواجه است. از جمله این چالش ها می توان به موارد مختلف مربوط به ویژگی های داده های اساسی مانند ابعاد بالا، پیچیدگی، ناهمگنی، پراکندگی، عدم وجود تهدیدات داخلی برچسب گذاری شده و ماهیت ظریف و سازگار خودی ها اشاره نمود. وجود تکنیکهای پیشرفته یادگیری ماشین یک راه حل جدید را برای یادگیری مدل ها از داده های پیچیده را فراهم می کند.

نویسندگان

نازنین معارفی

دانشجوی دکترای تخصصی هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

کامبیز رهبر

استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی،تهران، ایران