سیستم پشتیبان تصمیم برای تحلیل رخدادهای امنیتی در مراکز داده

مراکز داده به عنوان زیرساخت های حیاتی اطلاعات شناخته می شوند که وقوع رخدادهای امنیتی در آن ها می تواند خسارات گسترده عملیاتی، مالی و اعتباری ایجاد کند. این پژوهش مروری نظام مند، وضعیت کنونی فناوری های سیستم پشتیبان تصمیم گیری را برای تحلیل و پاسخ به رخدادهای امنیتی در محیط مراکز داده در بازه زمانی ۱۴۰۲ تا ۱۴۰۴ بررسی می نماید. با رعایت پروتکل PRISMA، ده مطالعه کلیدی شامل هفت منبع بین المللی و سه منبع فارسی زبان با تاثیر بالا انتخاب و به صورت عمیق تحلیل شدند. یافته ها حاکی از آن است که سیستم های پشتیبان تصمیم گیری امروزی به طور گسترده از تکنیک های یادگیری ماشین و یادگیری عمیق بهره می برند تا تشخیص تهدید بلادرنگ، شناسایی ناهنجاری و کاهش خودکار خسارت را در مراکز داده ابری و درون سازمانی محقق سازند. پردازش رویداد پیچیده و تحلیل سری های زمانی به عنوان فناوری های محوری برای تشخیص زیرثانیه ای رخدادها و مکانیزم های خودترمیمی شناخته شده اند. گزارش های چشم انداز جهانی بر ضرورت معماری های قابل تبیین، تاب آور و تطبیقی در برابر بردارهای حمله پیچیده تر تاکید دارند. مطالعات فارسی زبان نیز چالش های بومی از جمله محدودیت های مقرراتی و زیرساختی را برجسته کرده و بر لزوم طراحی چارچوب های ترکیبی هوش مصنوعی متناسب با شرایط ملی تاکید می کنند. با وجود پیشرفت های چشمگیر، خلاهای پژوهشی مهمی باقی مانده است: یکپارچگی ناکافی هوش مصنوعی قابل تبیین در محیط های بلادرنگ، کمبود ارزیابی بر روی لاگ های مراکز داده ایرانی در مقیاس بزرگ و فقدان چارچوب استاندارد ترکیبی که هم زمان پردازش رویداد پیچیده، یادگیری عمیق و الزامات سیاست گذاری بومی را پوشش دهد. این مرور یک طبقه بندی جامع ارائه می دهد و یک معماری مرجع پیشنهاد می کند تا توسعه نسل بعدی سیستم های پشتیبان تصمیم گیری را به سوی دقت بالاتر، قابلیت تبیین و آگاهی زمینه ای در مدیریت رخدادهای امنیتی مراکز داده هدایت نماید.

Keywords:

سیستم پشتیبان تصمیم گیری , تحلیل رخداد , امنیتی , امنیت سایبری , مراکز داده , یادگیری , ماشین , پردازش رویداد , پیچیده , مرور نظام مند