شناسايي تهديدهاي پايدار پيشرفته مبتني بر همبستگي و خوشه‌بندي هشدار

اصفهان : دانشگاه صنعتي اصفهان

كامپيوتر

كارشناسي ارشد

در عصر حاضر كه وابستگي به اينترنت و فضاي مجازي به طور چشمگيري افزايش‌يافته، سازمان‌ها و دولت‌ها با چالش‌هاي امنيتي متعددي روبرو هستند. يكي از مهم‌ترين اين چالش‌ها، حمله‌هاي سايبري پيچيده و هدفمند موسوم به تهديدهاي پايدار پيشرفته است. اين حمله‌ها توسط گروه‌هاي ماهر و سازمان‌يافته با اهداف جاسوسي، سرقت اطلاعات و يا اختلال در فعاليت‌هاي سازمان‌ها انجام مي‌شود. ماهيت پيچيده، تركيبي، چندمرحله‌اي و توزيع‌شده‌ي تهديدهاي پايدار پيشرفته، شناسايي و مقابله با آن‌ها را به امري دشوار تبديل كرده است. روش‌هاي سنتي شناسايي تهديدهاي پايدار پيشرفته مانند سيستم‌هاي تشخيص، آنتي‌ويروس‌ها و فايروال‌ها در مقابله با اين حمله‌ها كارآمد نيستند و نياز به رويكردي نوين در اين زمينه احساس مي‌شود؛ بنابراين هدف اين پژوهش ارائه رويكردي جديد در زمينه شناسايي تهديدهاي پايدار پيشرفته بر اساس همبستگي بين هشدارها و خوشه‌بندي هشدارهاي مربوط به يك تهديد پايدار پيشرفته‌ي احتمالي، مي‌باشد. در رويكرد پيشنهادي سعي در شناسايي تهديد پايدار پيشرفته بر اساس ماهيت تركيبي، چندمرحله‌اي و توزيع‌شده‌ي اين تهديدها است. بنابراين، ابتدا ره‌گيري رويدادهاي سطح شبكه و سيستم‌عامل و توليد هشدار متناظر با تكنيك‌هاي مورداستفاده توسط مهاجمان اين تهديدها با اضافه‌كردن قوانين به سيستم مديريت اطلاعات و رويدادهاي امنيتي انجام مي‌شود. روش پيشنهادي با جمع‌آوري رويدادهاي سطح شبكه و سيستم‌عامل تمامي ميزبان‌ها‌ي سازمان قادر به شناسايي تهديدهاي پايدار تركيبي و توزيع‌شده است. همچنين با استفاده از همبستگي و خوشه‌بندي هشدارها قادر به بازسازي زنجيره‌هاي تهديد پايدار پيشرفته‌ خواهد بود. در نهايت با استفاده از الگوريتم‌هاي يادگيري ماشين و يادگيري عميق، به پيش‌بيني تهديدهاي پايدار پيشرفته پرداخته شده است. جهت ارزيابي رويكرد ارائه شده، مجموعه‌داده‌ي شبه‌‌واقعي با شبيه‌سازي 14 تهديد پايدار پيشرفته واقعي ايجاد شده است. رويكرد معرفي شده موفق به شناسايي زنجيره‌ي تهديد 14 تهديد پايدار پيشرفته با درصد حساسيت و F-Score برابر با 87.97 و 75.45 بوده است كه باتوجه‌به پيچيدگي تهديدهاي پايدار پيشرفته مقدار قابل‌توجهي است. همچنين رويكرد پيشنهادي قادر به پيش‌بيني رخداد تهديد پايدار پيشرفته‌ با دقت 97% و پيش‌بيني تكنيك‌هاي مورد استفاده در مراحل بعدي حمله با دقت 85.9% مي‌باشد.

229631

رايانش امن

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان