شناسایی حملات تزریق زبان پرسمان ساخت یافته با استفاده از مدل های یادگیری ماشین و یادگیریعمیق: مقایسه عملکرد مدل های پیشرفته

حملات تزریق زبان پرسمان ساخت یافته یکی از تهدیدات رایج و خطرنا در امنیت پایگاه داده ها به شمارمی روند که می توانند به نفوذ در داده ها و تغییرات غیرمجاز در سیستم ها منجر شوند. در این تحقیق، به منظورشناسایی دقیق تر این حملات و مقایسه ی مدل های موثر، شش مدل مختلف یادگیری ماشین شامل رگرسیونلجستیک، ماشین بردار پشتیبان، جنگل تصادفی، شبکه عصبی مصنوعی، شبکه عصبی کانولوشنی و شبکه عصبیبازگشتی پیاده سازی و مبتنی بر معیارهای مرسوم مورد ارزیابی قرار گرفتند. نتایج این تحقیق نشان داد که مدلشبکه عصبی کانولوشنی بهترین عملکرد را در مقایسه با سایر مدلها داشت و توانست دقت ۹۹.۵۷٪ و امتیازاف ۱ برابر با ۹۹.۳۷٪ را به دست آورد. به علاوه، دیگر مدلها همچون جنگل تصادفی و ماشین بردار پشتیبان نیزنتایج قابل قبولی داشتند، اما شبکه عصبی کانولوشنی به ویژه در شناسایی ویژگی های پیچیده داده های متنیعملکرد بهتری داشت. این تحقیق اهمیت استفاده از مدل های یادگیری عمیق برای شناسایی حملات سایبریپیچیده را به ویژه در زمینه حملات تزریق زبان پرسمان ساخت یافته روشن می سازد و پیشنهاد می کند که درسیستم های امنیتی از این مدل ها به عنوان ابزارهای کارآمد استفاده شود. نتایج این مطالعه می تواند به عنوان مبنایتحقیقات بیشتر در زمینه تقویت سیستم های تشخیص تهدیدات سایبری و افزایش امنی ت پایگاه های داده شناختهشود

شناسایی حملات تزریق زبان پرسمان ساخت یافته با استفاده از مدل های یادگیری ماشین و یادگیریعمیق: مقایسه عملکرد مدل های پیشرفته Keywords:

تزریق زبان پرسمان ساخت یافته , یادگیری ماشین , یادگیری عمیق , تشخیص حملات سایبری , امنیت پایگاه داده