تشخیص بدافزارهای روز صفر با استفاده از شبکه های عصبی گرافی در اکوسیستم های اینترنت اشیا

رشد انفجاری دستگاه های اینترنت اشیا سطح حمله جدید و گسترده ای را برای مهاجمان سایبری ایجاد کرده است. بدافزارهای روز صفر که فاقد امضای شناخته شده هستند بزرگ ترین چالش برای سیستم های امنیتی سنتی محسوب می شوند. در این مقاله ما یک رویکرد نوین مبتنی بر شبکه های عصبی گرافی برای تشخیص بدافزارهای روز صفر در محیط های اینترنت اشیاء ارائه می دهیم. روش پیشنهادی بر مدل سازی رفتار سیستم به صورت گرافی تمرکز دارد، جایی که موجودیت هایی مانند فرآیندها، فایل ها و ارتباطات شبکه به عنوان گره و تعاملات بین آنها به عنوان یال نمایش داده می شوند. با بهره گیری از معماری های پیشرفته ای مانند شبکه های عصبی کانولوشن گرافی و شبکه های عصبی توجه گرافی، مدل ما قادر است الگوهای پیچیده و پنهان رفتارهای مخرب را حتی بدون دانش قبلی از آنها شناسایی کند. با توجه به محدودیت های محاسباتی و حافظه در دستگاه های اینترنت اشیاء، یک مدل سبک و بهینه ارائه شده است که توازن مناسبی بین دقت تشخیص و سربار پردازشی برقرار می کند. نتایج ارزیابی روی مجموعه داده های استاندارد اینترنت اشیاء نشان می دهد که مدل پیشنهادی به دقت بالایی در شناسایی حملات روز صفر دست یافته و به طور قابل توجهی از روش های سنتی و مبتنی بر یادگیری ماشین کلاسیک عملکرد بهتری دارد.

کلیدواژه ها:

اینترنت اشیاء ، بدافزار روز صفر ، شبکه های عصبی گرافی ، تحلیل رفتار گرافی ، امنیت سایبری ، شبکه های عصبی کانولوشن گرافی ، شبکه های عصبی توجه گرافی