ارائه یک مدل مبتنی بر یادگیری ماشین برای تشخیص نفوذ در سیستم های اطلاعاتی و افزایش امنیت سایبری

امروزه با گسترش فناوری اطلاعات، توسعه زیرساخت های ارتباطی و وابستگی روزافزون سازمان ها به سیستم های اطلاعاتی، امنیت اطلاعات به یکی از مهم ترین چالش های حوزه علوم کامپیوتر تبدیل شده است. حملات سایبری، نفوذهای غیرمجاز و سوء استفاده از داده ها می توانند خسارات گسترده، مالی، اطلاعاتی و حتی اجتماعی ایجاد کنند. روش های سنتی تشخیص نفوذ به دلیل وابستگی به امضاهای ثابت و ناتوانی در شناسایی حملات جدید کارایی محدودی دارند. در سال های اخیر، استفاده از الگوریتم های یادگیری ماشین به عنوان رویکردی هوشمند در شناسایی تهدیدات سایبری مورد توجه پژوهشگران قرار گرفته است. هدف این پژوهش ارائه مدلی مبتنی بر الگوریتم های یادگیری ماشین برای تشخیص نفوذ در سیستم های اطلاعاتی است. در این تحقیق الگوریتم های مختلفی از جمله درخت تصمیم، ماشین بردار پشتیبان، جنگل تصادفی و شبکه عصبی مصنوعی مورد بررسی قرار گرفته اند و عملکرد آن ها در شناسایی حملات مقایسه شده است. نتایج پژوهش نشان می دهد الگوریتم جنگل تصادفی و شبکه عصبی مصنوعی دقت بالاتری در تشخیص حملات سایبری نسبت به سایر روش ها دارند و می توانند نرخ خطای سیستم های تشخیص نفوذ را کاهش دهند. یافته های این تحقیق بیانگر آن است که بهره گیری از روش های هوشمند یادگیری ماشین می تواند موجب افزایش امنیت سیستم های اطلاعاتی، کاهش تهدیدات سایبری و ارتقای عملکرد سامانه های امنیتی شود.

کلیدواژه ها:

یادگیری ماشین ، تشخیص نفوذ ، امنیت سایبری ، سیستم های اطلاعاتی ، الگوریتم های هوشمند ، شبکه عصبی