جستجو
نقش یادگیری عمیق در امنیت سایبری
صفورا باباجانی پور بروجنی1 احسان سلیمانی دهکردی2
چکیده :
رشد نمایی تهدیدات سایبری و پیچیدگی فزاینده الگوهای حمله، کارایی رویکردهای سنتی امنیت اطلاعات را بهطور جدی با چالش مواجه کرده است. در سالهای اخیر، یادگیری عمیق به عنوان یکی از قدرتمندترین شاخههای هوش مصنوعی، نقش محوری در آشکارسازی الگوهای پنهان، شناسایی رفتارهای غیرعادی و پیشبینی حملات ناشناخته ایفا کرده است [1],[4]. این مقاله با رویکردی مرور ـ تحلیلی، نقش یادگیری عمیق در امنیت سایبری را در سه محور اصلی بررسی میکند: سیستمهای تشخیص نفوذ شبکه، شناسایی بدافزار و دفاع در برابر حملات خصمانه علیه مدلهای هوشمند [1],[3],[9],[11]. برای این منظور، ابتدا مفاهیم پایهای و بیان مسئله با تمرکز بر محدودیتهای روشهای مبتنی بر امضا و قواعد ارائه میشود. سپس معماریها و الگوریتمهای پرکاربرد یادگیری عمیق شامل CNN، RNN/LSTM، خودرمزگذارها، شبکههای مولد خصمانه (GAN)، شبکههای گراف عصبی (GNN) و رویکردهای یادگیری فدر (Federated Learning) در کاربردهای مختلف امنیتی تحلیل میگردد [2],[5],[7],[9]. در ادامه، چالشهای کلیدی همچون عدم تفسیرپذیری، دادههای نامتوازن، حملات خصمانه به مدلها، الزامات محاسباتی بالا و ملاحظات حریم خصوصی تشریح میشوند [4],[6],[12]. در نهایت، پیشنهادهای کاربردی و پژوهشی برای طراحی سامانههای امنیتی نسل جدید مبتنی بر یادگیری عمیق، با تأکید بر تلفیق تفسیرپذیری، مقاومسازی خصمانه و استقرار در محیطهای توزیعشده ارائه شده است [7],[8],[13]. یافتههای این مقاله نشان میدهد که یادگیری عمیق نهتنها توان ارتقای دقت و سرعت کشف تهدیدات را دارد، بلکه در صورت رفع چالشها، میتواند بستر معماریهای امنیتی هوشمند، خودآموز و تطبیقی را فراهم کند [5],[7],[14].
کلمات کلیدی : یادگیری عمیق امنیت سایبری تشخیص نفوذ بدافزار حملات خصمانه
زبان مقاله : فارسی
محور مقاله : امنيت
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABZBHK
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABZBHK
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems