سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی

امنیت محیط رایانش ابری یک مشکل همیشگی برای اکثر ارایه دهندگان خدمات رایانش ابری بوده است. حملات سایبری می توانندفاجعه آمیز و مخرب باشند که منجر به افشای اطلاعات شخصی و تجاری حساس شود و همچنین با ایجاد و اختلال در سیستمرایانش آبری و ایجاد صدمات قابل توجه اقتصادی و صنعتی همراه گردد. یکی از اشکال کلیدی مقابله با حمله های سایبری، تشخیصنفوذ به سیستم رایانش آبری است. این حمله ها معمولا به دقت طراحی می شوند و به دلیل دسترسی کاربران داخلی به منابع سیستمرایانش ابری، خطرناک هستند. در این مقاله روشی برای سیستم تشخیص نفود در محیط رایانش ابری با استفاده از یادگیری ویژگیارایه شد که بتواند ریسک های امنیتی مرتبط با نفود به سیستم های رایانش ابری را کاهش دهد. در روش پیشنهادی از تکنیکیادگیری ویژگی مبتنی بر شبکه باور عمیق و تشخیص نفوذ با استفاده از یادگیری عمیق چند حالته تصادفی (RMDL) استفاده شدهاست. برای سنجش نتایج حاصله برحسب متریک های ارزیابی از مقایسه روش پیشنهادی با سه روش دیگر مبتنی بر رده بندیRMDL بدون کاهش ابعاد و الگوریتم رده بندی CNN با/بدون یادگیری ویژگی استفاده شده است. با بررسی و تحلیل مقایسه اینتایج روش پیشنهادی با سایر روش های مورد مقایسه مشخص شد که روش پیشنهادی برای سیستم تشخیص نفوذ در محیط رایانشابری قادر به ارائه بهبودهای ملموس و قابل قبولی است.

Keywords:

تشخیص نفوذ در محیط رایانش ابری , شبکه باور عمی ق , یادگیری ویژگی , یادگیری عمیق چند حالته تصادفی