ارائه یک الگوریتم مناسب برای پیش بینی حملات سایبری مبتنی بر یادگیری

امروزه حملات سایبری، به طور گسترده با استفاده از آسیبپذیری های موجود در شبکه ها با قابلیت ها و شیوه های مختلفی، با اهداف متنوع به ویژه حمله به دارایی های اقتصادی، سیاسی و امنیتی افراد، سازمان ها و کشورها در حال افزایش هستند. طی سال های اخیر تحقیقات گسترده ای در حوزه سایبری صورت گرفته که اکثر این تحقیقات تمرکز خود را بر شناسایی و تشخیص نفوذ قرار داده اند. این سیستم ها، تشخیص خود را پس از وقوع حمله یا در حین اجرای آن صورت می دهند. حال آنکه برای افزایش توانایی و قابلیت سیستم های دفاع سایبری، نیاز به بکارگیری مدل های پیشرفته تری وجود دارد که بتوانند علاوه بر تشخیص بهنگام، راهکارهای پیش بینی و دفاع پیش دستانه را نیز فراهم و حملات را قبل از وقوع و قبل از انجام فعالیت های خرابکارانه در شبکه متوقف سازند. این مقاله پس از بررسی مهم ترین روش های پیش بینی نفوذ موجود، به معرفی و ارائه یک سیستم کارآمد برای کمک به عملکرد و پاسخگویی به موقع و دقیق تر سیستم های سایبری مبتنی بر پیش بینی با برخورداری از الگوهای یادگیرنده می پردازد. سیستم ارائه شده قبل از آنکه شبکه در معرض خطر قرار گیرد آن را پایش کرده و از اطلاعات گذشته در راستای پیش بینی آینده استفاده می نماید. این سیستم پیش بینی نفوذ، می تواند کلاس یا گام بعدی حمله در حال اجرا را با بکارگیری تکنیک های یادگیری عمیق با دقت و سرعت مناسبی تعیین نماید و در مقابل حملات سایبری چند مرحله ای سطح امنیت شبکه را ارتقاء بخشد. نتایج نشان می دهد که به کمک این سیستم پیش بینی، می توان یک مکانیسم دفاعی فعال در مقابل حملات پیشرو را فراهم آورد و امنیت هرچه بیشتر شبکه را تضمین نمود.