شبکه های کامپیوتری: بررسی برای تشخیص تهدیدات و حملات شبکه های کامپیوتری

افزایش پیچیدگی حملات سایبری در شبکه های مدرن، روش های سنتی مبتنی بر امضا دیگر قادر به شناسایی حملات نوین و تطبیقی نیستند. در این میان، تحلیل ترافیک شبکه (Network Traffic Analysis) با استفاده از تکنیک های یادگیری ماشین (Machine Learning) به عنوان یک راهکار قدرتمند برای شناسایی الگوهای مشکوک و رفتارهای غیرعادی مطرح شده است. این مقاله مروری به بررسی جامع کاربرد الگوریتم های یادگیری ماشین در شناسایی تهدیدات از طریق تحلیل ویژگی های ترافیک شبکه می پردازد. ما در این پژوهش، الگوریتم های مختلف از مدل های کلاسیک مانند SVM و Random Forest تا مدل های پیشرفته یادگیری عمیق مانند CNN و LSTM را از نظر دقت تشخیص، سرعت پردازش و توانایی مقابله با حملات ناشناخته مورد مقایسه قرار می دهیم. همچنین، چالش های مربوط به کیفیت دیتاست ها، ویژگی های استخراج شده از ترافیک (Feature Extraction) و مسئله حملات علیه مدل های یادگیری ماشین بررسی شده اند.

کلیدواژه ها:

تشخیص تهدیدات ، حملات شبکه کامپیوتری ، روش ها ، یادگیری ماشین ، الگوریتم