تشخیص و مهار ناهنجاری ها در شبکه های کامپیوتری مرور نظام مند روش ها چالش ها و فناوری های نوظهور

با گسترش پرشتاب فناوری اطلاعات و پیچیده تر شدن حملات سایبری تشخیص ناهنجاری ها و نفوذ در شبکه های کامپیوتری به یکی از موضوعات حیاتی در امنیت اطلاعات تبدیل شده است. این مقاله مروری با هدف بررسی جامع رویکردهای نوین تشخیص ناهنجاری در شبکه به تحلیل پژوهش های منتشر شده در سال های اخیر پرداخته است. روش مرور شامل جستجو در پایگاه های داده معتبر نظیر Springer ScienceDirect، IEEE Xplore و SID در بازه زمانی ۲۰۱۸ تا ۲۰۲۴ و انتخاب منابع بر اساس معیارهای کیفیت، نوآوری و ارتباط موضوعی بوده است. یافته ها نشان می دهد که روش های مبتنی بر یادگیری ماشین، یادگیری عمیق، شبکه های عصبی گراف و رایانش لبه ضمن ارتقاء دقت شناسایی چالش هایی چون نرخ هشدار کاذب بالا، نیاز به داده های برچسب خورده و هزینه محاسباتی را به همراه دارند. تحلیل مطالعات میدانی نشان داد که استفاده از مدل های هیبریدی و هوش مصنوعی مولد در کنار تحلیل رفتاری می تواند توانایی سامانه ها در مقابله با تهدیدات پیچیده را افزایش دهد. در نهایت پیشنهادهایی برای مسیرهای آینده تحقیق شامل بهره گیری از یادگیری خودنظارتی، رایانش لبه و سامانه های چندوجهی ارائه می شود.

کلیدواژه ها:

تشخیص ناهنجاری ، امنیت شبکه ، یادگیری ماشین ، رایانش لبه ، IDS