کاربرد بینایی کامپیوتر در تشخیص ترافیک مخرب شبکه با استفاده از تبدیل تصاویر جریان داده به نگاره های رنگی

تشخیص ترافیک مخرب شبکه به عنوان یکی از چالش های اساسی در حوزه امنیت سایبری، همواره مورد توجه پژوهشگران بوده است. روش های سنتی تشخیص نفوذ مبتنی بر امضاء و آنومالی، علیرغم کارایی در شناسایی حملات شناخته شده، در مواجهه با حملات نوظهور و بدافزارهای صفرروز با ناتوانی جدی روبرو هستند. در سال های اخیر، رویکردهای مبتنی بر یادگیری عمیق و به ویژه بینایی کامپیوتر با بهره گیری از شبکه های عصبی کانولوشنی، راهکاری نوین برای تشخیص ترافیک مخرب ارائه داده اند. در این رویکرد، داده های خام جریان های شبکه به فرمت تصویر تبدیل شده و سپس با استفاده از معماری های عمیق بینایی کامپیوتر، الگوهای مخرب شناسایی و طبقه بندی می شوند. پژوهش حاضر با هدف بررسی کاربرد بینایی کامپیوتر در تشخیص ترافیک مخرب شبکه با استفاده از تبدیل تصاویر جریان داده به نگاره های رنگی، به مرور سیستماتیک پژوهش های انجام شده در این حوزه پرداخته است. روش پژوهش از نوع مرور نظام مند بوده و با بررسی دقیق منابع معتبر داخلی و خارجی، یافته های کلیدی در زمینه روش های تبدیل داده به تصویر، معماری های شبکه های عصبی مورد استفاده، عملکرد در تشخیص انواع حملات، کیفیت تبدیل داده و چالش های موجود استخراج و تحلیل شده است. یافته های پژوهش نشان می دهد که روش مبتنی بر جریان با دقت ۹۰ تا ۹۷ درصد در تشخیص انواع حملات سایبری، به عنوان کارآمدترین رویکرد مطرح است و معماری هایی نظیر EfficientNet-B۰ و شبکه های سه بعدی کانولوشنی با دقت به ترتیب ۹۶.۱ و ۹۷.۳ درصد، عملکرد برتری نسبت به سایر معماری ها داشته اند. همچنین مشخص گردید که استفاده از تصاویر سه کاناله به جای تصاویر تک کاناله (خاکستری) و بهینه سازی پارامترهای تبدیل، تاثیر مستقیمی بر افزایش دقت تشخیص دارد. با این وجود، چالش هایی نظیر نیاز به داده های برچسب گذاری شده گسترده، هزینه محاسباتی بالا، تعمیم پذیری به محیط های عملیاتی و تفسیرپذیری پایین مدل ها، همچنان موانعی بر سر راه پیاده سازی عملی این رویکرد محسوب می شوند. در مجموع، نتایج این پژوهش نشان می دهد که رویکرد مبتنی بر تبدیل جریان داده به نگاره های رنگی و بهره مندی از تکنیک های بینایی کامپیوتر، مسیری امیدوارکننده برای تشخیص ترافیک مخرب شبکه است و با رفع چالش های موجود، می تواند به عنوان جایگزینی کارآمد برای روش های سنتی در سیستم های امنیتی نسل آینده مورد استفاده قرار گیرد.

کلیدواژه ها:

بینایی کامپیوتر ، تشخیص ترافیک مخرب ، جریان داده شبکه ، نگاره های رنگی ، تبدیل تصویر ، یادگیری عمیق ، امنیت شبکه