تخمین خطر امنیتی نشانی های اینترنتی به کمک تحلیل تفکیکی خطی

ارسال یک آدرس اینترنتی((URL مخرب به قربانی نقطه شروع انواع مختلف فعالیت های مخرب توسط مهاجمان است. بنابراین شناسایی URL های مخرب نقش بسزایی در امنیت کاربران اینترنت دارد. اخیرا محاسبه ریسک امنیتی URL ها به جای طبقه بندی آنها با استفاده از مدل های مبتنی یادگیری ماشینی مورد توجه قرار گرفته است. این امر به این دلیل است که از یک طرف هشدارهای لازم را به کاربران می دهد و از طرف دیگر مشکلات مدل های طبقه بندی را ندارد. در این مطالعه، معیار جدیدی بر اساس تحلیل تفکیک خطی برای تخمین ریسک امنیتی URL ها ابداع شده است. در این معیار، نمونه های شناخته شده قبلی از URLهای عادی و مخرب در فضای جدیدی نگاشت می شوند که در آن می توان ریسک امنیتی را با دقت بیشتری محاسبه کرد. اگرچه یادگیری عمیق در معیار پیشنهادی استفاده نمی شود و به داده های آموزشی کمی نیاز دارد، تخمین واقع بینانه ای برای مقادیر ریسک امنیتی URLهای مخرب و ایمن ارائه می دهد. آزمایش های انجام شده بر روی مجموعه های داده واقعی نشان می دهد که معیار پیشنهادی از نظر میزان تشخیص نسبت به معیارهای ارائه شده قبلی برتری دارد. پیاده سازی های انجام شده در این پژوهش به همراه مجموعه داده های مورد استفاده در آزمایش های انجام شده در آدرس https://github.com/mdeypir/LRU در دسترس عموم قرار گرفته اند.

کلیدواژه ها:

تحلیل تفکیک خطی ، URL های مخرب ، خطر امنیتی ، ویژگی متنی