بهبود تشخیص حملات سایبری با کمک بلاک چین و الگوریتم فرا ابتکاری ترکیبی GWO-HHO مبتنی بر هوش مصنوعی

این مقاله روشی نوین برای شناسایی و طبقه بندی حملات سایبری ارائه می دهد که از فناوری بلاک چین، انتخاب ویژگی و مدل یادگیری عمیق بهینه بهره می برد. این روش شامل مراحل مختلفی از جمله پیش پردازش، انتخاب ویژگی با استفاده از الگوریتم بهینه سازی HHO، تشخیص با QRNN و تنظیم فراپارامترها با الگوریتم GWO است. نتایج نشان می دهد که مدل در مرحله آموزش با دقت ۹۹.۶% و در مرحله تست با دقت ۹۵% عمل کرده است. به علاوه، میزان امنیت در پردازش تراکنش ها با بلاک چین پیوسته افزایش یافته و به ۹۹.۶۱% در ۱۰۰ تراکنش می رسد، در حالی که امنیت بدون بلاک چین حداکثر به ۹۹.۰۱% می رسد. این تفاوت نشان دهنده تاثیر مثبت بلاک چین بر امنیت است. همچنین، مدل پیشنهادی نه تنها عملکرد عالی در معیارهای مختلف مانند دقت و یادآوری دارد، بلکه زمان یادگیری کمتری نسبت به سایر مدل ها نشان می دهد. به طور کلی، این مدل به عنوان یک راهکار موثر در شناسایی و افزایش امنیت تراکنش ها در نظر گرفته می شود و می تواند در کاربردهای واقعی مورد استفاده قرار گیرد.

کلیدواژه ها:

شناسایی حملات سایبری ، بلاک چین ، یادگیری عمیق ، انتخاب ویژگی ، امنیت تراکنش ها