راهکاری ترکیبی از بلاکچین و هوش مصنوعی برای مقابله با حملات دادهسازی جعلی در سیستم های امنیت دیجیتال

در سال های اخیر، استفاده از مدل های یادگیری ماشین در امنیت سایبری به طور چشمگیری افزایش یافته است؛ اما یکی از چالش های اساسی در این زمینه، حملات داده سازی جعلی یا (Data Poisoning Attacks) هستند که با هدف گمراه کردن مدل های یادگیری ماشین از طریق وارد کردن داده های مخرب به سیستم صورت می گیرند. این مقاله، یک راهکار ترکیبی از فناوری بلاکچین و الگوریتم های هوش مصنوعی ارائه می دهد که با هدف تشخیص و جلوگیری از این نوع حملات طراحی شده است. در این چارچوب، از بلاکچین به عنوان بستری برای ثبت، ردگیری و اعتبارسنجی داده های ورودی استفاده شده است؛ به طوری که صحت داده ها پیش از ورود به فرآیند آموزش مدل یادگیری ماشین بررسی می شود. همچنین یک مدل یادگیری عمیق نیز طراحی شده که با بهره گیری از داده های پاک شده و معتبرشده، قادر به تشخیص رفتارهای مشکوک و حملات سطح پایین می باشد. نتایج تجربی نشان می دهند که رویکرد پیشنهادی نسبت به روش های سنتی، از دقت و پایداری بالاتری در شناسایی حملات داده سازی جعلی برخوردار است و می تواند به عنوان راه حلی نوآورانه در امنیت داده های هوشمند مورد استفاده قرار گیرد.

کلیدواژه ها:

بلاک چین ، هوش مصنوعی ، امنیت سایبری ، اعتبار داده ، ثبت تغییر ناپذیر