مروری بر سیستم‌های تشخیص نفوذ در شبکه با استفاده از مدل‌های مبتنی بر یادگیری ماشین

امروزه، شبکه‌های کامپیوتری نقش بسیار مهمی در ارتباطات و تبادل داده‌ها داشته و گسترش این شبکه‌ها شرایط مناسبی را برای حملات سایبری و نفوذ فراهم کرده است. نفوذ یکی از فعالیت‌های غیرقانونی است که امنیت اطلاعات و محرمانیت را به خطر می‌اندازد و یا دسترسی غیرمجاز به منابع سازمانی را فراهم می‌کند. سیستم‌های تشخیص نفوذ (ids)، عامل مهمی هستند و حملاتی را که توسط باروهای[1] سنتی قابل رصد نیستند، شناسایی می‌کنند. با این حال، حملات مختلف رفتارهای خاص خود را دارند و بهبود تشخیص نوع حمله همچنان یکی از چالش‌های مدل‌های تشخیص نفوذ محسوب می‌شود. برای حل مشکلات مربوط به توسعه سیستم‌های تشخیص نفوذ (ids)، محققان بسیاری به تمرکز بر روش‌های یادگیری ماشین و یادگیری عمیق پرداخته‌اند. این روش‌ها قادرند به طور خودکار تفاوت‌های اساسی بین داده‌های معمولی و داده‌های غیرطبیعی را کشف کنند و همچنین قابلیت تعمیم قوی دارند که این امر امکان شناسایی حملات ناشناخته را فراهم می‌کند. در این پژوهش به بررسی روش‌های مختلف تشخیص نفوذ با استفاده از یادگیری ماشین می‌پردازیم این چارچوب طبقه‌بندی برای امنیت سایبری مناسب است و محققان در این بررسی به مفهوم و طبقه‌بندی idsها، الگوریتم‌های یادگیری ماشین و یادگیری عمیق، و چالش‌ها و تحولات آتی در این حوزه پرداخته‌اند.