ارائه راه‌كار مبتني بر يادگيري ماشين جهت تشخيص تهديدهاي ناشناخته در محيط EDR

اصفهان : دانشگاه صنعتي اصفهان

مهندسي كامپيوتر

كارشناسي ارشد

در سال‌هاي اخير، شاهد يك موج از حمله‌هاي سايبري برجسته به زيرساخت‌هاي دولتي، تجاري و حياتي ملي بوده‌ايم كه نشان مي‌دهد حفظ امنيت و حريم خصوصي در شبكه‌هاي سازماني واقعي روزبه‌روز چالش‌برانگيزتر مي‌شوند. از جمله اين چالش‌ها، تشخيص و پيشگيري از نرم‌افزارهاي مخرب و فعاليت‌هاي شرورانه در شبكه‌هاي سازماني است كه نيازمند روش‌ها و راه‌كارهاي قوي امنيتي است. يكي از راه‌كارهاي مهم امنيتي در اين زمينه، استفاده از فناوري‌هاي تشخيص و پاسخ نقطه پاياني (EDR) است. ازآنجايي‌كه نقاط پاياني نقطه ورود تهديدها و بدافزارها به زيرساخت‌هاي فناوري اطلاعات سازمان مانند شبكه، سرور، اينترنت اشيا و غيره هستند، ضروري است كه در اين نقاط، از فناوري‌هاي تشخيص و پاسخ نقطه پاياني (EDR) استفاده شود. استفاده از EDR امكان نظارت و تجزيه‌وتحليل مداوم فعاليت نقاط پاياني را براي شناسايي و پاسخ به تهديدهاي پيشرفته در زمان واقعي فراهم مي‌كند. بنابراين، در اين پايان‌نامه، تلاش شده است تا يك مدل و راه‌كار جهت شناسايي و مقابله با تهديدهاي ناشناخته در محيط EDR ارائه شود. هدف اين پژوهش ساختن يك سامانه‌اي است كه بتواند با استفاده از داده‌هاي گزارش‌گيري مبتني بر ميزبان از رايانه، فعاليت‌هاي مرتبط با فرايند رايانه را به‌عنوان خوش‌خيم يا مخرب طبقه‌بندي كند. با تمركز بر الگوهاي فعاليت ميزبان به‌جاي امضاي بدافزار خاص، توانسته‌ايم ويژگي‌هاي رفتاري را كشف كنيم كه فرايندهاي مخرب را از فرايندهاي خوش‌خيم متمايز كند. در اين راستا مدل بدون نظارتي پيشنهاد شده است كه با پيش‌پردازش داده‌ها، استخراج بهينه ويژگي‌ها به‌صورت برخط و آموزش دقيق، مي‌تواند عملكرد خوبي در تشخيص حمله‌هاي ناشناخته داشته باشد. مدل پيشنهادي بر روي جديدترين مجموعه‌داده منتشر شده عمليات شفاف سايبري دارپا ارزيابي شده است كه اين مدل توانسته با درصد تشخيص 99.99% به‌خوبي فعاليت‌هاي خوش‌خيم را از فعاليت‌هاي مخرب سامانه جدا كند. ارزيابي راه‌حل ارائه شده توسط مجموعه‌داده بزرگ و معتبر دارپا نشان مي‌دهد كه اين سامانه توانايي تشخيص تهديد پيشرفته پايدار را با كارايي و دقت بالايي دارا است.

229630

رايانش امن

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان