امنیت سیستم عامل در برابر حمالت مبتنی بر هوش مصنوعی

امروزه سیستمعامل بهعنوان هسته اصلی مدیریت منابع سختافزاری و نرمافزاری، هدف اصلی بسیاری از حمالت سایبری پیشرفته قرار گرفته است. با ظهور تکنیکهای هوش مصنوعی در طراحی بدافزارها، حمالت روز صفر و روشهای نفوذ خودکار، حمالت مبتنی بر هوش مصنوعی توانایی دور ز دن مکانیزمهای سنتی امنیتی مانند آنتی ویروسهای مبتنی بر امضا و فایروال های ایستا را پیدا کردهاند. در این مقاله، چالش امنیت سیستمعامل در برابر این دسته از حمالت بررسی میشود و راهکارهای دفاعی مبتنی بر هوش مصنوعی و شبکه های عصبی مصنوعی برای مقابله با آنها معرفی میگردد. ابتدا انواع حمالت مبتنی بر هوش مصنوعی علیه سیستمعامل از جمله بدافزارهای تطبیقی، حمالت مهندسی اجتماعی خودکار و تکنیکهای فرار از تشخیص را دستهبندی می کنیم. سپس فرآیند مدل سازی رفتار عادی سیستمعامل شامل جمعآوری دادههای سطح هسته و کاربر، پیشپردازش، آموزش مدل و ارزیابی عملکرد تشریح می شود. در ادامه نقش یادگیری عمیق در تحلیل فراخوانیهای سیستمی، رفتار فرآیندها و ترافیک شبکه در سطح میزبان مورد بررسی قرار می گیرد. معیارهایی مانند دقت، حساسیت و نرخ هشدار کاذب برای ارزیابی سامانههای تشخیص نفوذ مبتنی بر میزبان تحلیل می شوند. همچنین چالش های بهروزرسانی مداوم مدل ها در برابر تکامل سریع حمالت مبتنی بر هوش مصنوعی مورد بحث قرار می گیرد. نتایج این مطالعه نشان می دهد که ترکیب مکانیزم های دفاعی سنتی سیستمعامل با مدل های یادگیری عمیق میتواند بهطور قابل توجهی توان تشخیص و مقابله با حمالت نوظهور را افزایش دهد، هرچند نیازمند مدیریت دقیق منابع محاسباتی و کاهش نرخ هشدار کاذب است

کلیدواژه ها:

امنیت سیستم عامل ، حمالت مبتنی بر هوش مصنوعی ، شبکه عصبی مصنوعی ، تشخیص نفوذ