• عنوان

    چارچوب هوشمند مبتني بر مدل‌هاي زباني بزرگ براي سيستم‌هاي تشخيص و پاسخ گسترده

  • نويسنده اصلي

    كتاني، عليرضا

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    مهندسي كامپيوتر
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    باگسترش روزافزون فناوري اطلاعات در سراسر جهان، امنيت سايبري به‌عنوان يكي از اركان حياتي اين حوزه مطرح شده است. هر ابزار يا فناوري جديد، علاوه بر قابليت‌هاي نوآورانه، چالش‌هاي امنيتي خاص خود را به همراه دارد. در بسياري از موارد، به دليل تعداد و پيچيدگي آسيب‌پذيري‌ها، امكان بررسي و رفع كامل آن‌ها وجود ندارد. اين چالش باعث حملات گسترده‌ به سازمان‌ها، شركت‌ها و زيرساخت‌هاي مختلف در سراسر جهان مي‌شود. از گذشته تاكنون، مؤلفه‌هاي دفاعي متعددي براي مقابله با اين تهديدات توسعه داده شده‌اند. در ابتدا، اين مولفه‌ها به‌صورت مستقل عمل مي‌كردند، اما با گذشت زمان مشخص شد كه اين استقلال، حفره‌هاي امنيتي جديدي ايجاد كرده و مسيرهايي براي نفوذ مهاجمان فراهم مي‌كند. براي رفع اين مشكل، ايده يكپارچه‌سازي سيستم‌هاي امنيتي در يك بستر واحد شكل گرفت كه در نهايت منجر به توسعه مفهوم جديدي به نام سيستم‌هاي تشخيص و پاسخ گسترده شد. سيستم‌هاي تشخيص و پاسخ گسترده به جمع‌آوري داده‌هاي امنيتي از منابع متنوعي نظير نقاط پاياني، مسيرياب‌ها، ديواره‌هاي آتش، سيستم‌هاي تحليل رفتار كاربران و ساير ابزارهاي دفاعي مي‌پردازند. اين داده‌ها به‌صورت يكپارچه تحليل شده و براي شناسايي حملات و ارائه پاسخ مناسب به‌كار گرفته مي‌شوند. يكي از چالش‌هاي اصلي اين سيستم‌ها، توليد پاسخ دقيق و كارآمد به حملات شناسايي‌شده است. در حالي كه پژوهش‌هاي بسياري در زمينه تشخيص حملات انجام شده و نتايج موفقي نيز به‌دست آمده است، موضوع توليد پاسخ مناسب نياز به پژوهش بيشتر دارد. در اين پژوهش، با بهره‌گيري از مدل‌هاي زباني بزرگ و عامل‌هاي هوشمند، به توسعه سامانه‌اي براي بررسي رويدادها، هماهنگ‌سازي، خودكارسازي و پاسخ‌دهي به تهديدات امنيتي پرداخته مي‌شود. بدين منظور، مدل‌هاي زباني بزرگ موجود با استفاده از مستندات به‌روز و مرتبط با حوزه امنيت سايبري بازآموزي و بهينه‌سازي مي‌گردند. هدف نهايي، ايجاد مدلي پيشرفته و هوشمند است كه بتواند با تحليل دقيق نوع حمله، پاسخي بهينه را توليد و نقش مؤثري در ارتقاي سيستم‌هاي تشخيص و پاسخ ايفا كند. ارزيابي نتايج بدست‌ آمده با پژوهش‌هاي مشابه پيشين، نشان‌دهنده بهبود قابل توجه در معيارهاي دسته‌بندي نظير صحت و F1 و معيارهاي شباهت مي‌باشد.
  • شماره ركورد
    236584
  • گرايش رشته تحصيلي
    رايانش امن
  • دانشكده
    مهندسي برق و كامپيوتر
  • دانشگاه
    دانشگاه صنعتي اصفهان