بررسی الگوریتم های یادگیری عمیق برای کاربردهای امنیت فضای مجازی

یکی از راه های پیشگیری از حملات به بخش های سخت افزار، نرم افزار و همچنین داده های ذخیره شده در سیستم ها استفاده از الگوریتم های هوش مصنوعی برای تشخیص و ارتقاء امنیت می باشد. در همه بخش ها از روش ها و الگوریتم های امنیتی مختلفی برای حفاظت از شبکه و داده های آن از دسترسی غیر مجاز استفاده می نمایند. در اینجا، از بین مقالات منتشر شده در سال 2019 و 2020 ما 7 مقاله انتخاب و با موفقیت تحلیل نموده ایم. در این مقالات از شبکه عصبی کانولوشن (cnn) و دستگاه بولتزمن با محدودیت عمیق (drbm) که یکی از زیر مجموعه های شبکه باور عمیق (dbn) می باشند جهت تشخیص و جلوگیری از حملات مسمومیت و فرار و حملات مسبب استفاده شده است. استفاده از این تکنیک ها این توانایی را به شبکه می دهد تا از داده ها و تجهیزات در برابر نفوذ جلوگیری نماید. با تجزیه و تحلیل این مقالات مشخص گردید که مدل یادگیری عمیق باعث افزایش قابلیت اطمینان و افزایش امنیت فضای مجازی می گردد و همچنین باعث افزایش زمان پردازش نیز می گردد، لذا لازم است در خصوص روش های کاهش زمان پردازش مانند پردازش موازی پژوهش و مطالعه نمود.