روشهای یادگیری ماشین در تشخیص حملات سایبری

پیشرفت‌ سریع فناوری‌های شبکه و میزان و دامنه داده‌های انتقال‌ یافته در شبکه‌، روز‌به‌روز در حال افزایش است. به همین دلیل، تراکم و پیچیدگی حملات سایبری هم در حال گسترش است. معرفی اهداف روش‌های یادگیری ماشین در تشخیص، طبقه‌بندی و تجزیه ‌و ‌تحلیل حملات سایبری موضوع این ارائه می باشد. یادگیری ماشین، ابزارها و فنون مختلفی را برای خودکارسازی مواجه با حملات سایبری و پیش‌بینی سریع آنها ارائه می‌کند و لذا از روش‌های کاهش ابعاد آماری یا الگوریتم‌های انتخاب ویژگی استفاده و داده‌های آموزشی ابتدا از یکسری عملیات پیش‌پردازشی شامل تبدیل داده‌ها و نرمال‌سازی عبور می‌کنند. به ‌این‌ترتیب آموزش مدل‌ها بطور مداوم به‌روز شده و تشخیص نفوذ بصورت خودکار انجام می‌شود. بر این اساس یک طبقه‌بندی اساسی برای حملات سایبری پیشنهاد و نشان داده شده است که افزایش رویکردهای ترکیبی به‌جای طبقه‌بندی‌کننده‌های یکسان برای تهدیدهای مختلف، این فناوری‌ را بیشتر توسعه می‌دهد. روش‌های کاهش ابعاد و انتخاب ویژگی برای کارآیی سیستم تشخیص نفوذ حیاتی بوده و اثربخشی تکنیک‌های موجود یادگیری ماشین برای امنیت سایبری به ویژگی‌های دیتاست‌ها و بروز شدن مداوم آنها بستگی دارد. همچنین باید اذعان داشت که اگرچه تشخیص‌ با فناوری‌های هوش مصنوعی صورت گرفته است اما به‌نظر نمی‌رسد بدون نظارت انسانی، تضمین کامل امنیت امکان‌پذیر باشد.