بررسی روش های داده کاوی و یادگیری ماشین در تشخیص نفوذ امنیت سایبری

این مقاله مروری به بررسی جامع و متمرکز ادبیات علمی در زمینه به کارگیری روش های یادگیری ماشین و داده کاوی در تحلیل های امنیت سایبری با هدف پشتیبانی از سیستم های تشخیص نفوذ (IDS) می پردازد. در این بررسی، شرح های آموزشی و مقدماتی کوتاه ولی کاربردی از هر یک از روش های ML و DM ارائه شده تا خواننده درک روشنی از سازوکار و منطق عملکرد آن ها به دست آورد. با توجه به اهمیت فزاینده روش های نوظهور، مقالاتی که بازتاب دهنده یا نماینده برجسته ترین و پرارجاع ترین رویکردهای مورد استفاده هستند، شناسایی، مطالعه و به صورت خلاصه تحلیل شده اند. همچنین، با توجه به نقش کلیدی داده ها در موفقیت الگوریتم های یادگیری، مجموعه داده های معتبر و پراستفاده در حوزه امنیت سایبری معرفی گردیده اند. این مقاله علاوه بر بررسی پیچیدگی محاسباتی الگوریتم ها، به چالش های کلیدی در پیاده سازی این روش ها در سناریوهای واقعی امنیت سایبری می پردازد و در نهایت، توصیه هایی عملی برای انتخاب و به کارگیری روش مناسب در شرایط خاص ارائه می کند.

کلیدواژه ها:

امنیت سایبری ، تشخیص نفوذ ، یادگیری ماشین ، داده کاوی ، تحلیل امنیتی