ریسک شبکه سایبری و نقش هوش مصنوعی در CPS

شبکه عصبی مصنوعی (ANN)، یکی از فناوریهای ضروری برای سیستمها یا سیاستهای هوشمند امنیت سایبری امروزی است. مزایا و معایب استفاده از هوش مصنوعی (AI) در تجزیه و تحلیل ریسک سایبری برای بهبود تابآوری سازمانی و درک بهتر ریسک سایبری دارای. مزایا و معایبی است. پرسپترون چندلایه، شبکه عصبی کانولوشن، شبکه عصبی بازگشتی یا حافظه کوتاه مدت طولانی، نقشه خودسازمانده، رمزگذار خودکار، ماشین بولتزمن محدود، شبکه های باور عمیق، شبکه مولد تخاصمی، یادگیری انتقال عمیق و یادگیری تقویتی عمیق، و همچنین رویکردهای گروهی و ترکیبی آنها، می توانند برای مقابله هوشمندانه با مسائل مختلف امنیت سایبری مورد استفاده قرار گیرند. هدف نهایی الگوریتم پس انتشار، به حداکثر رساندن صحیح وزنهای شبکه برای تبدیل ورودیها به خروجیهای مورد نظر است. در طول مرحله آموزش، چندین رویکرد بهینه سازی مانند گرادیان نزولی تصادفی (SGD)، BFGS با حافظه محدود (L-BFGS) و تخمین گشتاور تطبیقی (Adam) اعمال می شوند. این شبکه های عصبی ممکن است برای رسیدگی به انواع مشکلات امنیت سایبری مورد استفاده قرار گیرند. شبکه های مبتنی بر MLP برای ساخت یک مدل تشخیص نفوذ، تجزیه و تحلیل بدافزار، تجزیه و تحلیل تهدید امنیتی، شناسایی ترافیک مخرب باتنت و ساخت سیستمهای اینترنت اشیا قابل اعتماد استفاده می شوند. MLP به مقیاس بندی ویژگی حساس است و نیاز به تنظیم انواع پارامترهای فوق مانند تعداد لایههای پنهان، نورونها و تکرارها دارد که ممکن است حل یک مدل امنیتی پیچیده را از نظر محاسباتی پرهزینه کند.

کلیدواژه ها:

امنیت سایبری ، هوش مصنوعی ، شبکه عصبی مصنوعی ، اینترنت اشیا