طراحی معماری امنیت تطبیقی و فایروال های عصبی در بسترهای REST API؛ بهینه سازی چندهدفه سرعت، دقت و تاب آوری در سیستم های (CPS)

در زیرساخت های حیاتی مدرن و سیستم های سایبر-فیزیکی (CPS )، پروتکل های REST API به عنوان ستون فقرات ارتباطی میان اجزای فیزیکی و واحدهای پردازشی عمل می کنند. با این حال، راهکارهای امنیتی سنتی و ایستا، در ایجاد توازن میان «دقت تشخیص تهدید» و الزامات درنگ ناپذیر ناتوان بوده و اغلب منجر به گلوگاه های پردازشی یا نرخ بالای مثبت کاذب می شوند. این پژوهش با هدف غلبه بر این محدودیت ها، یک معماری امنیت تطبیقی نوین مبتنی بر استقرار فایروال های عصبی را پیشنهاد می کند.در این معماری، از الگوریتم های یادگیری عمیق جهت تحلیل رفتاری ترافیک و شناسایی ناهنجاری های پیچیده در لایه کاربرد استفاده شده است. نوآوری اصلی این پژوهش، ارائه یک مدل بهینه سازی چند هدفه است که پارامترهای مدل عصبی را به گونه ای تنظیم می کند که همگرایی بهینه میان سه شاخص متضاد سرعت پردازش ، دقت تشخیص و تاب آوری سیستم حاصل شود. این سیستم قادر است به صورت پویا و تطبیقی، سطح سخت گیری امنیتی را بر اساس وضعیت تهدیدات شبکه و بار کاری سیستم تنظیم نماید.نتایج شبیه سازی نشان می دهد معماری پیشنهادی با دقت ۹۸.۵ درصد در شناسایی حملات و تاخیر زیر ۱۰ میلی ثانیه، جایگزینی کارآمد برای فایروال های سنتی در تامین امنیت صنایع حساس است.

کلیدواژه ها:

امنیت تطبیقی ، فایروال عصبی ، سیستم های سایبر-فیزیکی (CPS) ، بهینه سازی چندهدفه ، تشخیص نفوذ