استخراج اطلاعات تهدیدات سایبری با استفاده از یادگیری عمیق و بازنمایش دانش | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 7، دوره 13، شماره 2 - شماره پیاپی 50، تابستان 1404، صفحه 73-88 اصل مقاله (1.51 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سمیرا حورعلی* 1؛ فاطمه حورعلی2؛ عاطفه پاکزاد1 | ||
| 1استادیار گروه مهندسی کامپیوتر، دانشکده فنی مهندسی و علوم پایه، دانشگاه کوثر بجنورد، بجنورد، ایران | ||
| 2استادیار گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، مجتمع آموزش عالی فنی و مهندسی اسفراین، اسفراین، ایران | ||
| چکیده | ||
| اطلاعات مربوط به امنیت سایبری به سرعت در اینترنت در حال رشد است و حملات سایبری روز به روز در حال افزایش است. مهاجمان بیشتر بخشهای نظامی، دولتی و شرکتی را هدف قرار میدهند، زیرا این بخشها حاوی اطلاعات حساس و طبقهبندیشدهای هستند که به استراتژیهای دفاعی مناسب نیاز دارد. استخراج اطلاعات تهدیدات سایبری یعنی استخراج نهادها، روابط بین آنها و رویدادهای موجود در متون سایبری، یکی از گامهای مهم برای تشخیص حملات سایبری، رویدادهای مضر و کاهش آنها در زمان واقعی در صورت وقوع است. استخراج مؤثر اطلاعات ارزشمند از تهدیدات سایبری میتواند به متخصصان امنیتی در تصمیمگیری آگاهانه و توسعه استراتژیهای دفاعی قوی کمک کند .همچنین این موضوع یکی از راهکارهای اساسی برای ارتقاء عملکرد سیستمهایی نظیرخلاصهسازی متون، ترجمه ماشینی و پرسش و پاسخ نیز میباشد. هرچند طی چهار دهه گذشته استخراج اطلاعات همواره یک موضوع تحقیقاتی فعال بوده است؛ اما هنوز هم دقت آن در حد قابل قبول نیست و مدل محاسباتی دقیقی برای آن وجود ندارد. در این مقاله ابتدا توسط جدیدترین متد تعبیه واژگان، شبکه بازگشتی دوجهته Bi-GRU، مکانیزم توجه و بازنمایش دانش نهادهای موجود در متن با دقت بالا استخراج میشوند؛ سپس با محاسبه میزان اهمیت و وزن هر ویژگی و در نظر گرفتن تمام معیارهای لازم در تصمیم-گیری، عبارات وابسته به نهادها تشخیص داده میشود. جهت استخراج دقیق روابط بین نهادها از شبکه عصبی مبتنی بر گراف و تابع هزینه ابتکاری استفاده شده است. برای تشخیص و پیشبینی دقیق رویدادهای امنیتی از شبکه عمیق KVP مبتنی بر مکانیزم توجه استفاده شده است که میتواند همبستگی بین دو عنصر که موقعیتهای متفاوتی در یک دنباله ورودی دارند را شناسایی کند. برای بررسی عملکرد روش پیشنهادی شبیهسازیهای گستردهای صورت گرفته است. طبق نتایج شبیهسازی، روش پیشنهادی روی پیکره-های CoNLL-2012 و OSINT به ترتیب به امتیاز F1 8/89 و 4/93 درصد دست یافته است. | ||
| کلیدواژهها | ||
| استخراج اطلاعات؛ تهدیدات سایبری؛ روابط نهادها؛ استخراج رویداد؛ یادگیری عمیق؛ بازنمایش دانش | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 432 تعداد دریافت فایل اصل مقاله: 68 |
||