تحلیل و شناسایی حملات Multi-Stage با استفاده از Sequence-Aware Deep Learning Models

حملات چند مرحله ای Multi-Stage Cyber Attack به دلیل طراحی تدریجی و وابستگی زمانی میان مراحل مختلف، از پیچیده ترین تهدیدات امنیتی در شبکه های مدرن هستند. روشهای سنتی تشخیص نفوذ که عمدتا مبتنی بر تحلیل ایستا هستند توانایی محدودی در شناسایی این حملات دارند. در این مقاله یک رویکرد مبتنی بر مدلهای Sequence-Aware Deep Learning از جمله LSTM و GRU ارائه شده است که با مدل سازی وابستگیهای زمانی ترافیک شبکه توانایی شناسایی مرحله به مرحله حملات را دارد. ارزیابی مدل روی مجموعه داده استاندارد CICIDS۲۰۱۷ نشان میدهد که روش پیشنهادی دقت بالاتر، نرخ هشدار کاذب کمتر و توانایی پیش بینی مراحل اولیه حمله را نسبت به الگوریتمهای کلاسیک یادگیری ماشین فراهم میکند. یافتهها نشان میدهد که مدلهای Sequence-Aware میتوانند کارایی سیستمهای تشخیص نفوذ مدرن را بهبود دهند و امکان واکنش پیشگیرانه را فراهم کنند.

کلیدواژه ها:

Intrusion Detection ، Sequence-Aware Deep Learning ، Multi-Stage Cyber Attacks ، Temporal Modeling