حفظ کاربرد هوش مصنوعی در شناسایی و طبقه بندی بدافزارها با تمرکز بر خصوصی کاربران رویکردی مبتنی بر یادگیری ماشین و تحلیل رفتاری

حریم در عصر حاضر با گسترش روزافزون فناوری اطلاعات و افزایش وابستگی انسان به سامانه های دیجیتال تهدیدات امنیتی ناشی از بدافزارها به یکی از چالش های اصلی حوزه امنیت سایبری تبدیل شده است. ادغام هوش مصنوعی و یادگیری ماشین در حوزه امنیت سایبری موجب تحولی بنیادین شده است که توانایی شناسایی، پاسخ دهی و کاهش تهدیدات پیچیده سایبری را به طور چشمگیری افزایش داده است. سامانه های دفاعی سنتی به طور چشمگیری در برابر حملات پیشرفته ناکارآمد هستند، و این امر نیاز به بهره گیری از راهکارهای امنیتی مبتنی بر هوش مصنوعی را ضروری کرده است. بدافزارها با بهره گیری از روش های پیچیده و پویا قادرند ضمن نفوذ به سامانه های رایانه ای اطلاعات حساس را سرقت کرده یا موجب اختلال در عملکرد زیرساخت های حیاتی شوند. در این میان بهره گیری از هوش مصنوعی به عنوان رویکردی نوین برای شناسایی و طبقه بندی بدافزارها افق های تازه ای را در پژوهش های امنیتی گشوده است. هوش مصنوعی با استفاده از یادگیری ماشین و یادگیری عمیق می تواند انواع بدافزارها را شناسایی و تحلیل کند. روش های سنتی تشخیص بدافزار نیازمند شناخت کامل از رفتار آن بدافزار است، اما هوش مصنوعی می تواند با تحلیل الگوهای رفتاری بدافزارهای ناشناخته را نیز شناسایی کند. در این مقاله با بررسی جامع رویکردهای سنتی و هوشمند تلاش شده است تا نقش الگوریتم های یادگیری ماشین و یادگیری عمیق در بهبود دقت، سرعت و کارایی سامانه های تشخیص بدافزار تحلیل شود. نتایج این مطالعه نشان می دهد که ترکیب روش های هوش مصنوعی با تحلیل های ایستا و پویا می تواند به طور چشمگیری کارایی سیستم های امنیتی را افزایش دهد و در مقابله با تهدیدات نوظهور سایبری رویکردی کارآمد و هوشمند ارائه نماید.

کلیدواژه ها:

امنیت سایبری ، بدافزار ، هوش مصنوعی در امنیت سایبری ، تکنیک های یادگیری ماشین