بررسی و تحلیل امنیت ترافیک شبکه با استفاده از فناوری داده های بزرگ

بررسی و تحلیل امنیت ترافیک شبکه با استفاده از فناوری داده های بزرگ


  • 1,189 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده
با توسعه سریع فناوری اطلاعات در عصر حاضر، کاربردهای داده های بزرگ به بخش مهمی از سبک زندگی، کاری و بسیاری از مناطق مانند تجارت الکترونیک، بهداشت و درمان و صنعت، تبدیل شده است. از سوی دیگر، اختیار داشتن اطلاعات بیشتر و ارزشمند، اساس حالت تحقیق را در جامعه اطلاعاتی تغییر داده است. چیزی که توجه زیادی را در این برهه از زمان، از سوی دانشگاه و صنعت به خود جلب کرده تجزیه و تحلیل موفقیت آمیز امنیت داده ها بر اساس فناوری داده های بزرگ است. پروسه تحقق بروی داده های بزرگ جهت کشف دانش و الگوهای مخفی و همچنین تحلیل اطلاعات با استفاده از تکنیک های هوش مصنوعی و البته داده کاوی برای تشخیص ناهنجاری ها در مشکلات و نگرانی های امنیتی کمک می کند. سپس یک مدل امنیتی هوشمند مبتنی بر تجزیه و تحلیل داده های بزرگ ارائه می گردد. در این مقاله، ما یک طرح جامع از تکنیک های مربوط به داده های بزرگ را در تجزیه و تحليل امنیت شبکه ارائه می دهیم، کارهای تحقیقاتی موجود را دسته بندی می کنیم، سپس مسائل فنی، رویکرد و مقایسه آنها و همچنین مزایا و معایب آنها را توضیح می دهیم. در نهایت، پتانسیل ها و مسیرهای تحقیق در آینده را بررسی می کنیم.

نتیجه گیری 
در این بازبینی ، یک چارچوب کلی از محتوای داده های حجیم ، حوزه ، نمونه ها ، روشها ، مزایا ، چالشها و بحث های نگرانی های حریم خصوصی و امنیتی مربوط به شبکه مرور شده است. نتایج نشان دادند که حتی اگر داده ها و ابزارها و تکنیکها واقعا در دسترس باشند ، نکات بسیاری جهت رسیدگی ، بحث ، بهبود ، توسعه ، تجزیه و تحلیل و ... وجود دارند. 
در ابتدا، ما باید قبل از پردازش، داده های اصلی را ایجاد کنیم. این فرآیند شامل استخراج ویژگی، انتخاب ویژگی و بیان ویژگی است. پس از آن، می توانیم داده های آموزشی را به الگوریتم با روش های ترکیبی قرار داده و مدل تشخیص را بدست آوریم. 
حملات مستمر پیشرفته چالش های بزرگی را برای امنیت اطلاعات شبکه ایجاد کرده است و تکنولوژی های دفاعی سنتی برای حفاظت از اطلاعات مهم و دارایی های اطلاعاتی موثر بسیار سخت است. خوشبختانه، برخی از فناوری های دفاعی برای مقابله با این حملات، توسعه یافته اند. با این حال، اکثر محصولات دفاعی فقط روی برخی از جنبه های زنجیره حملات پیشرفته جهت حفاظت تمرکز می کنند. بنابراین، لازم است که یک معماری سیستم دفاعی مبتنی بر زنجیره حملات که تمام جنبه های حملات پیشرفته و پیچیده را پوشش می دهد و دستیابی به دفاع کامل در مقابل این حملات از طریق ترکیبی از مدیریت و ابزارهای فنی، طراحی گردد. گذشته از این ، موضوع فهم حفظ حریم خصوصی و امنیت داده های حجیم ، نیز پیامد بزرگی است که در آینده باید بیشتر مورد بحث قرار گیرد.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی در مورد کلان داده و بیگ دیتا که شامل صد 100 مقاله فارسی در مورد الگوریتم ها و روش های کلان داده و بیگ دیتا است به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.