ثائمه بلوچ روز - دانشجوی دکتری کامپیوتر دانشگاه آزاد واحد کرمان، کرمان، ایران
سوده شادروان - عضو هیات علمی دانشگاه آزاد اسلامی واحد بردسیر، ایران

در متن چکیده باید حملات سایبری جهانی به طور قابل توجهی بر اقتصاد، جامعه، سازمان ها و افراد تاثیر می گذارد. تحقیقات موجود در مورد حملات سایبری در نشان دادن راه حل های تحلیلی مبتنی بر هوش مصنوعی (AI) برای ارائه اطلاعات تهدیدات سایبری در سطح کشور کم است. استراتژیست های سایبری در سطح ملی برای تصمیم گیری در مورد وضعیت یا آمادگی سایبری یک کشور به سیستم های پشتیبانی تصمیم مبتنی بر هوش مصنوعی نیاز دارند. این مقاله یک راه حل مبتنی بر هوش مصنوعی را پیشنهاد می کند که به طور مستقل داده های حملات سایبری چند بعدی را در پست های رسانه های اجتماعی در مورد اعتراضات مرتبط با سایبری جمع آوری می کند. سیستم پیشنهادی قابلیت تحلیلی حیاتی در طیف تهدیدات سایبری ارائه می کند و از الگوریتم های پیچیده مبتنی بر هوش مصنوعی برای تشخیص ناهنجاری، پیش بینی، تحلیل احساسات، تشخیص مکان، ترجمه و غیره استفاده می کند. سیستم پیشنهادی از ۱۱ اردیبهشت ۱۴۰۰تا ۳۱ اردیبهشت -۱۴۰۲ مستقر شده است. در ۲۱ روز، این سیستم به طور مستقل ۳۰۲۰۳ رکورد در مورد تهدیدات سایبری را جمع آوری کرد که ابعاد متعددی از تهدیدات سایبری را پوشش می داد. این ابعاد شامل سوابق حملات سایبری روزانه در سراسر کشور توسط باج افزار، سوء استفاده ها، تهدیدات وب، هرزنامه، نامه های مخرب، حملات شبکه، آلودگی های محلی و اسکن بر اساس تقاضا بود. علاوه بر این، این سیستم ۳۷۸۹ توییت مرتبط با سایبری را از ۳۴۰۲ کاربر توییت به ۳۷ زبان مختلف بر اساس AI بدست آورد و تجزیه و تحلیل کرد. این سیستم همچنین ۸۹۳ توییت غیرانگلیسی را به طور مستقل ترجمه کرد. سیستم پیشنهادی اولین راه حلی است که از تشخیص ناهنجاری مبتنی بر شبکه عصبی کانولوشن (CNN) برای شناسایی ناهنجاری ها در طیف تهدیدات سایبری در سراسر جهان و پیش بینی خودکار حملات سایبری استفاده می کند. سیستم پیشنهادی برای ارائه تصمیمات مبتنی بر شواهد در مورد تهدیدات سایبری جهانی در پلتفرم های متعدد از جمله iOS، اندروید و ویندوز نشان داده شد.

هوش مصنوعی، تهدیدات سایبری، شبکه عصبی کانولوشن