بررسی روشهای تشخیص تهدیدات پیشرفته پیگیر در سیستمهای سایبری-فیزیکی

تهدیدات پیشرفته پیگیر به عنوان یکی از پیچیده ترین و مخرب ترین تهدیدات سایبری زیرساختهای حیاتی از جمله سیستم های قدرت سایبری فیزیکی را هدف قرار داده اند. این تهدیدات با بهره گیری از آسیب پذیریهای روز صفر، ماهیت پنهان و چند مرحله ای و توانایی دور زدن سیستمهای تشخیص، سنتی چالشهای بی سابقه ای را برای امنیت سایبری ایجاد کرده اند. در سالهای اخیر پژوهشگران رویکردهای متنوعی شامل روشهای ترکیبی یادگیری ماشین و یادگیری عمیق، الگوریتمهای فراابتکاری، مدلهای فرآیند مارکوف و روشهای مبتنی بر گراف را برای تشخیص این تهدیدات ارائه داده اند. با وجود پیشرفتهای قابل توجه و دستیابی به دقتهای بالا در برخی موارد، روشهای پیشین به دلیل وابستگی به داده های برچسب گذاری شده گسترده و نیاز به تنظیم دستی هایپرپارامترها در مواجهه با تهدیدات روز صفر و الگوهای ناشناخته کارایی خود را از دست می دهند. همچنین بسیاری از این رویکردها به منابع محاسباتی سنگین برای پردازش لاگهای حجیم و ساخت گرافهای منشا نیاز دارند که استقرار بلادرنگ در سیستمهای مقیاس بزرگ را با چالش مواجه می کند. از سوی دیگر عدم تعمیم پذیری به دامنه های مختلف تهدید، ناتوانی در مدیریت توزیع های پیچیده و همپوشانی داده ها و فقدان قابلیت به روزرسانی تطبیقی در برابر تهدیدات از دیگر محدودیت های اساسی روش های پیشین است. در این مقاله پس از مرور پژوهش های اخیر و دسته بندی آنها به پنج گروه اصلی، نقاط قوت و ضعف هر رویکرد تحلیل شده و در نهایت شکاف های تحقیقاتی موجود برای توسعه مدل های سبک، مقیاس پذیر، تطبیقی و قابل استقرار بلادرنگ ارائه می شود.

کلیدواژه ها:

سیستمهای سایبری فیزیکی ، تهدیدات پیشرفته پیگیر ، یادگیری عمیق ، یادگیری ماشین ، الگوریتمهای فراابتکاری