سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژگی

امنیت محیط رایانش ابری یک مشکل همیشگی برای اکثر ارایه دهندگان خدمات رایانش ابری بوده است. حملات سایبری می توانند فاجعه آمیز و مخرب باشند که منجر به افشای اطلاعات شخصی و تجاری حساس شود و همچنین با ایجاد و اختلال در سیستم رایانش ابری و ایجاد صدمات قابل توجه اقتصادی و صنعتی همراه گردد. یکی از اشکال کلیدی مقابله با حمله های سایبری، تشخیص نفوذ به سیستم رایانش ابری است. این حمله‌ها معمولا به دقت طراحی می شوند و به دلیل دسترسی کاربران داخلی به منابع سیستم رایانش ابری، خطرناک هستند. در این مقاله روشی برای سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژگی ارایه شد که بتواند ریسک‌های امنیتی مرتبط با نفوذ به سیستم‌های رایانش ابری را کاهش دهد. در روش پیشنهادی از تکنیک یادگیری ویژگی مبتنی بر شبکه باور عمیق و تشخیص نفوذ با استفاده از یادگیری عمیق چند حالته تصادفی (rmdl) استفاده شده است. برای سنجش نتایج حاصله برحسب متریک‌های ارزیابی از مقایسه روش پیشنهادی با سه روش دیگر مبتنی بر رده‌بندی rmdl بدون کاهش ابعاد و الگوریتم رده‌بندی cnn با/بدون یادگیری ویژگی استفاده شده است. با بررسی و تحلیل مقایسه‌ای نتایج روش پیشنهادی با سایر روش‌های مورد مقایسه مشخص شد که روش پیشنهادی برای سیستم تشخیص نفوذ در محیط رایانش ابری قادر به ارائه بهبودهای ملموس و قابل قبولی است.