ارزیابی و مدیریت ریسک حملات سایبری به زیرساخت های صنعتی با رویکرد تحلیل ریسک مبتنی بر هوش مصنوعی

با گسترش هوشمندسازی و اتصال روزافزون زیرساخت های صنعتی به شبکه های دیجیتال، تهدیدات سایبری به یکی از چالش های جدی این حوزه تبدیل شده اند. زیرساخت هایی نظیر نیروگاه ها، پالایشگاه ها و سامانه های حمل ونقل که نقش حیاتی در عملکرد اقتصادی و اجتماعی ایفا می کنند، به دلیل پیچیدگی و وابستگی به فناوری های ارتباطی، در برابر حملات سایبری آسیب پذیر شده اند. این پژوهش با هدف ارائه یک چارچوب نوین برای ارزیابی و مدیریت ریسک حملات سایبری به زیرساخت های صنعتی، از الگوریتم های یادگیری ماشین بهره می گیرد تا تحلیل دقیق تر، پیش بینی پذیرتر و تصمیم یارانه تری نسبت به روش های سنتی فراهم آورد. در گام نخست، شاخص های موثر بر تحلیل ریسک سایبری استخراج و داده های مربوط به رفتار شبکه صنعتی گردآوری شد. سپس مدل هایی مانند جنگل تصادفی و ماشین بردار پشتیبان برای شناسایی رفتارهای مشکوک مورد استفاده قرار گرفت. ارزیابی عملکرد مدل ها نشان داد که الگوریتم ها قادر به تشخیص حملات رایج با دقت بالا هستند، اما در مواجهه با حملات پیچیده تر نیازمند داده های غنی تر و مدل های ترکیبی پیشرفته تری هستند. خروجی مدل ها با استفاده از ابزارهای تصمیم یار و تحلیل سناریو تلفیق شد تا مدیران صنعتی بتوانند بر اساس شدت و احتمال وقوع تهدیدات، واکنش مناسبی اتخاذ کنند. یافته ها نشان می دهد که استفاده از هوش مصنوعی می تواند نقش موثری در تقویت تاب آوری سایبری زیرساخت های صنعتی ایفا کند. این چارچوب، به بهبود شناسایی تهدیدات کمک می کند و امکان اولویت بندی ریسک ها و تخصیص بهینه منابع امنیتی را نیز فراهم می آورد. در نهایت، این پژوهش مسیر مناسبی برای توسعه ابزارهای تفسیرپذیر و تطبیق پذیر در حوزه امنیت سایبری صنعتی فراهم می کند.

کلیدواژه ها:

امنیت سایبری صنعتی ، مدیریت ریسک ، یادگیری ماشین ، حملات سایبری زیرساختی ، تحلیل رفتار شبکه