مروری بر مدلهای یادگیری دادهمحور در امنیت اینترنت اشیاء و چالشهای پیشِ رو: از تشخیص تا واکنش
مروری بر مدلهای یادگیری دادهمحور در امنیت اینترنت اشیاء و چالشهای پیشِ رو: از تشخیص تا واکنش
اعظم حکمی1
1) عضو هیأت علمی گروه کامپیوتر وفناوری اطلاعات، دانشگاه آزاد اسلامی واحد تبریز- ایران ایمیل:
کد IOI مقاله
:
AAHD-ABKKAA
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
گسترش روز افزون اینترنت اشیا و همزمانی آن با پیچیدهتر شدن حملات سایبری، ضرورت بازنگری در رویکردهای سنتی امنیتی را اجتنابناپذیر ساخته است. روشهای مبتنی بر امضا که سالها ستون فقرات سیستمهای تشخیص نفوذ بودند، در مواجهه با تهدیدات پویا و روز-صفر کارایی خود را از دست دادهاند. در این مقاله، ما کاربرد سه شاخه اصلی از مدلهای یادگیری دادهمحور شامل یادگیری ماشین، یادگیری عمیق و یادگیری تقویتی را در حوزه امنیت اینترنت اشیاء بررسی کردهایم. برای این منظور، ابتدا به معماری لایهای اینترنت اشیاء پرداختهایم و نشان دادهایم که هر لایه (از لایه ادراک تا لایه کسبوکار) با چه آسیبپذیریهای اختصاصیای مواجه است و سپس حملات رایج در هر یک را طبقهبندی کردهایم. در ادامه، نشان میدهیم که مدلهای یادگیری عمیق چگونه میتوانند با تشخیص الگوهای پیچیده، حملات پیشرفته را شناسایی کنند؛ یادگیری تقویتی چگونه امکان دفاع تطبیقپذیر را فراهم میآورد (برای نمونه، چارچوب D3O-IIoT موفق شده نرخ حملات را تا ۱۳.۷ درصد کاهش دهد)؛ و یادگیری فدرال چگونه با حفظ حریم خصوصی، امکان آموزش مدلهای امنیتی در شبکههای مقیاسپذیر را میسر میسازد. با این حال، پژوهش ما نشان میدهد که این رویکردها با چالشهای جدیای روبهرو هستند: از کیفیت نامناسب مجموعهدادهها و محدودیت منابع در دستگاههای لبهای گرفته تا حملات رقابتی که خود مدلها را هدف قرار میدهند و نبود یکپارچگی میان تشخیص حمله و واکنش به آن. در پایان، بر ضرورت توسعه مجموعهدادههای واقعگرایانه، طراحی معماریهای سبکوزن، و حرکت به سمت سیستمهایی تأکید میکنیم که بتوانند همزمان به تشخیص، واکنش و بازیابی بپردازند. بهنظر میرسد همگرایی یادگیری دادهمحور با فناوریهایی چون شبکههای 5G، رایانش لبهای و بلاکچین، مسیر امیدوارکنندهای را برای نسل بعدی سیستمهای امنیتی هوشمند و خودمختار در اینترنت اشیاء ترسیم می کند.
کلمات کلیدی : اینترنت اشیاء امنیت سایبری یادگیری دادهمحور تشخیص نفوذ حملات رقابتی