افزایش امنیت در رایانش ابری با سیستم تشخیص نفوذ مبتنی بر ماشین بردار پشتیبان (SVM) و منطق فازی

رایانش ابری به عنوان یکی از فناوری های نوین، با ارائه خدمات متنوع و مقرون به صرفه به کاربران، به طور گسترده ای مورد استفاده قرار گرفته است. اما این محیط به دلیل دسترسی گسترده و منابع اشتراکی، در معرض انواع حملات سایبری قرار دارد که می تواند امنیت داده ها و اعتماد کاربران را به خطر بیندازد. در این پژوهش، برای افزایش امنیت در رایانش ابری، یک سیستم تشخیص نفوذ مبتنی بر ترکیب ماشین بردار پشتیبان (SVM) و منطق فازی طراحی و پیاده سازی شده است. ابتدا مجموعه داده CICIDS-۲۰۱۷ به عنوان منبع اصلی داده انتخاب و پیش پردازش شد. سپس مدل SVM برای شناسایی الگوهای پیچیده و منطق فازی برای بهبود تصمیم گیری نهایی به کار گرفته شدند. برای ارزیابی عملکرد، نتایج مدل پیشنهادی با دو روش پایه ای Logistic Regression و Random Forest مقایسه شد. نتایج آزمایش نشان داد که مدل پیشنهادی با دقت ۸۷٪، حساسیت ۸۹٪ و ویژگی ۸۶٪، عملکرد بهتری نسبت به مدل های مقایسه ای دارد. این نتایج نشان دهنده کارایی و قابلیت اعتماد روش پیشنهادی در تشخیص حملات شبکه ای است. این پژوهش نشان می دهد که ترکیب ماشین بردار پشتیبان و منطق فازی می تواند به عنوان روشی کارآمد و انعطاف پذیر برای بهبود امنیت رایانش ابری استفاده شود. این سیستم می تواند با شناسایی سریع و دقیق نفوذها، از داده ها و منابع ابری محافظت کرده و اعتماد کاربران را به این فناوری افزایش دهد.

کلیدواژه ها:

رایانش ابری ، سیستم تشخیص نفوذ ، منطق فازی ، ماشین بردار پشتیبانی