تهدید رو به افزایش بات نت ها:آلودگی شبکه ها و راهکارهای هوش مصنوعی برای تشخیص و پیشگیری از آنها

باتنت ها به طور فزایندهای رایج شده و به تدریج برای شبکه های تجاری و داخلی به طور یک سان خطرناک شدهاند. با توجه به همه گیری کووید-۱۹، تعداد زیادی از مردم فعالیت های شرکتی را از خانه های خود انجام می دهند. این منجر به این گمانه زنی می شود که اکثر کاربران رایانه و کارمندانی که از راه دور کار می کنند، دفاع مناسبی در برابر باتنت ها ندارند و در نتیجه آلودگی باتنت به سایر دستگاههای متصل به شبکه هدف منتشر می شود. در نتیجه ، نه تنها آلودگی باتنت در دستگاه کاربر هدف، بلکه در دستگاههای همسایه نیز رخ داده است . در این مقاله به بررسی این که چگونه یک باتنت می تواند به طور مستقیم یا غیرمستقیم به یک سیستم یا شبکه نفوذ کند و استراتژی های تشخیص استانداردی که در گذشته استفاده شده است ، می پردازیم . علاوهبر این ، ما قابلیت های هوشم صنوعی (AI) را برای ایجاد رویکردهای نوآورانه برای ت شخیص باتنت برر سی می کنیم تا بتوانیم پیش بینی کنیم که آیا باتنت ها در یک شبکه وجود دارند یا خیر. این مقاله همچنین روشهایی را مورد بحث قرار می دهد که عوامل تهدید ممکن است برای آلوده کردن دستگاههای هدف با کد باتنت مورد ا ستفاده قرار گیرند. الگوریتم های یادگیری ما شین برر سی می شوند تا م شخص شود چگونه می توان از آنها برای کمک به ت شخیص مبتنی بر هوشمصنوعی استفاده کرد و چه مزایا و معایبی برای مقایسه مناسب ترین الگوریتم هایی که کسب وکارها می توانند استفاده کنند، دارند. در نهایت ، پیشگیری و اقدامات متقابل کنونی باتنت مورد بحث قرار می گیرد تا مشخص شود چگونه می توان از باتنت ها از شبکه های شرکتی و داخلی جلوگیری کرد و اطمینان حاصل کرد که می توان از حملات آینده جلوگیری کرد.

کلیدواژه ها:

باتنت ها ، تشخیص باتنت ، پیشگیری از باتنت ، یادگیری ماشین ، یادگیری عمیق ، کاهش باتنت .