مروري بر تكنيك هاي كاربردي بهينه در تشخيص نفوذ با يادگيري عميق

A review of optimal application techniques in intrusion detection with deep learning

چكيده در دنياي امروز با توسعه روزافزون فناوري هاي جديد همانند داده هاي حجيم ، محاسبات ابري ، شبكه و اينترنت اشيا ، نفوذگران نيز با فناوري جديد حمله به شبكه را به طور مداوم در حال تغيير و تكامل هستند ، فناوري هاي تشخيص نفوذ و حملات نيز مجبور به تكامل روز افزوني است ، اين امر باعث بروز مشكلاتي چون تكامل تكراري متناظر مي شود . مشكل اصلي با اين نوع از فناوري ها به نمايش خودكار داده ها ي ترافيك ناهمگن شبكه ، متضاد بودن دقت مدل تشخيص ناهنجاري و جديد شدن مداوم حملات است . محققان با بررسي چندين روش تشخيص حمله و نفوذ شبكه را بر اساس يادگيري عميق پيشنهاد كرده اند . اين مقاله در نظر دارد مطالبي را براي مقابله با اين مشكلات مطرح كند و با در نظر گرفتن عوامل بسياري هم چون نمايش ترافيك ، استخراج ويژگي ، آموزش مدل تشخيص حمله و بهبود آنها را بررسي مي كند . در پايان چالش هاي پيش رو را نيز تحليل مي كند .