بررسی تشخیص ناهنجاری در زمان واقعی در فرآیندهای علمی

هوش مصنوعی AI با پیشرفت های اخیر، توانایی های جدیدی برای پردازش داده های حجیم و تصمیم گیری در لحظه به سیستم های رایانه ای بخشیده است. تکنیک های یادگیری ماشین و یادگیری عمیق به طور گسترده ای در برنامه های امنیتی مانندتشخیص حملات پیشرفته پایدار، شناسایی ناهنجاری ها و طبقه بندی بدافزارها مورد استفاده قرار می گیرند. راهکارهای امنیتیمبتنی بر هوش مصنوعی باید از توانایی تشخیص تهدیدات و استحکام بالایی برخوردار باشند، زیرا آسیب پذیری ها در این سیستم هامی تواند پیامدهای جدی در پی داشته باشد. این مقاله بر روی بهبود تشخیص ناهنجاری در زمان واقعی در فرآیندهای علمی تمرکز دارد. و هدف آن افزایش سرعت، دقت، مقاومت و قابلیت توضیح راهکارهای امنیتی مبتنی بر AI است. تکنولوژی های جدید در حوزه هوش مصنوعی AI به سیستم های کامپیوتری این قابلیت را می دهد که داده های حجیم را بررسی کنند و در لحظه تصمیماتی را اتخاذ کنند. یک سیستم جدید به نام RAMP (Real-time Aggregated Matrix Profile) برای تشخیص ناهنجاری در زمان واقعی در سیستم های گردش کار علمی پیشنهاد شده است. این سیستم قادر است پارامترهای خود را بر اساس بازخورد کاربران انسانی در مورد ناهنجاری هایگزارش شده به طور پویا تنظیم کند

کلیدواژه ها:

تشخیص ناهنجاری ، هوش مصنوعی AI یادگیری عمیق RAMP