شناسایی حملات روز صفر با استفاده از یادگیری مبتنی بر گراف

چکیده مقاله

حملات روز صفر به دلیل رفتار ناشناخته و نبود سازوکارهای دفاعی تهدیدی جدی محسوب می شوند، در حالی که روش های یادگیری عمیق در شناسایی حملات شناخته شده عملکرد موثری دارند اغلب این روش ها مبتنی بر یادگیری نظارت شده عمل می کنند که مستلزم وجود مجموعه داده های برچسب خورده ی زیاد است و در برابر حملات روز صفر کارایی محدودی دارد در مقابل، روش های نیمه نظارتی و بدون نظارت به طور ذاتی از استحکام بالاتری برخوردارند و برای شناسایی ناهنجاری ها از طریق تشخیص انحراف از الگوی رفتاری عادی مناسب تر هستند علاوه بر این، روش های موجود غالبا بر بسته ها یا جریان های شبکه تمرکز دارند و ساختار کلی شبکه و تعامل میان گره ها را نادیده می گیرند پیشرفت های اخیر در شبکه های عصبی گرافی GNN این چالش را با لحاظ شدن توپولوژی شبکه شامل رفتار گره ها و تعاملات میان یال ها تا حدی برطرف کرده اند با این حال، بیشتر روش های مبتنی بر شبکه های عصبی گرافی همچنان نظارت شده بوده و در شناسایی حملات روز صفر محدودیت دارند در این پژوهش، مدل نیمه نظارتی مبتنی بر خودرمزگذار گرافی Graph Autoencoder ارائه شده است که با لحاظ کردن توپولوژی شبکه به شناسایی ناهنجاری ها می پردازد نتایج حاصل از آزمایش نشان می دهد که با استفاده از دید کلی داده شده نسبت به شبکه در رویکردهای مبتنی بر گراف و در نظر گرفتن نقش گره های مبدا و مقصد در طبقه بندی یال ها، بهبود قابل توجه عملکرد شناسایی در مقایسه با روش های مبتنی بر جریان حاصل می شود این بهبود نرخ از دست رفتن حملات را به طور چشمگیری کاهش داده و گامی موثر در جهت پیشرفت سامانه های شناسایی حملات روز صفر محسوب می شود

کلیدواژه‌ها

نویسندگان

زهرا اسکندری

گروه مهندسی کامپیوتر دانشکده برق و کامپیوتر دانشگاه صنعتی قوچان

�سکندری، زهرا،1404،شناسایی حملات روز صفر با استفاده از یادگیری مبتنی بر گراف،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین