تکنیکهای یادگیری ماشین برای تشخیص مشکلات امنیتی در محاسبات مه

محاسبات مه یک مدل پردازشی توزیعشده است که منابع محاسباتی را به لبه شبکه نزدیکتر می کند تا پردازش داده ها سریع تر انجام شود. با افزایش استفاده از این فناوری در اینترنت اشیا، هوش مصنوعی و شبکه های ارتباطی، امنیت آن به یک چالش اساسی تبدیل شده است. این پژوهش به بررسی تکنیکهای یادگیری ماشین برای شناسایی و مقابله با تهدیدات امنیتی در محاسبات مه می پردازد. روشهای یادگیری ماشین مانند ماشین بردار پشتیبان (SVM)، شبکه های عصبی مصنوعی (ANN)، الگوریتمهای خوشه بندی و یادگیری عمیق قابلیت شناسایی تهدیدات امنیتی از جمله حملات سایبری، بدافزارها، نفوذ به دستگاه های لبه شبکه و حملات محروم سازی از سرویس (DDoS) را دارند. هدف این پژوهش بررسی تهدیدات امنیتی انجام شده بر علیه محاسبات مه و استفاده از تکنیکهای یادگیری ماشین در راستای کاهش این تهدیدات یا شناسایی زودهنگام حملات انجام شده می باشد. یافته های این مطالعه نشان می دهند که یادگیری ماشین نقش مهمی در کاهش زمان واکنش به حملات، افزایش دقت تشخیص تهدیدات و تقویت امنیت شبکه های محاسبات مه دارد. این پژوهش می تواند به توسعه روشهای هوشمندتر برای مقابله با تهدیدات امنیتی کمک کند و مسیر بهبود امنیت محاسبات مه و شبکه های توزیع شده را هموار سازد.

کلیدواژه ها:

تکنیکهای یادگیری ماشین ، مشکلات امنیتی ، محاسبات مه ، حملات سایبری