تهدیدات سایبری هر روز پیچیده‌تر می‌شوند. هر ساله صد‌ها میلیون نوع جدید بدافزار شناسایی می‌شود.
"پایگاه رسانه ای گرداب جهت اطلاع و افزایش دانش و سواد فضای مجازی مخاطبان خود و به ویژه دانشجویان، پژوهشگران و تصمیم گیران، کتاب‌هایی را در این عرصه معرفی می‌کند. بدیهی است انتشار این مطالب، لزوما به معنای تایید محتوای آن نیست."
به گزارش گرداب - انواع جدید برنامه‌های بدافزار توسط نرم‌افزار‌های ضد ویروس قابل شناسایی نیستند و حتی بدون استفاده از فایل‌های باینری به فعالیت خود ادامه می‌دهند (برای مثال، حملات بدون فایل).
حملات جدید از چندین لایه تشکیل شده‌اند و ترکیبی از تکنیک‌های شبکه‌ای، بدافزارها و حملات مبتنی بر برنامه‌های وب را شامل می‌شوند. مهاجمان امروزه برای انجام حملاتی در مقیاس گسترده از دستگاه‌هایی مانند تلفن‌های همراه، وسایل متصل به شبکه خانگی و کاری و زیرساخت‌های IoT استفاده می‌کنند.
الگوریتم‌های یادگیری ماشینی می‌تواند به شناسایی و کاهش تعداد زیادی از این حملات جدید کمک کند. این الگوریتم‌ها قادر به تحلیل حجم بالایی از داده‌ها به نسبت متخصصان امنیتی هستند و علاوه بر شناسایی هوشمندانه ناهنجاری‌ها و رفتار‌های مشکوک می‌توانند با قرینه‌سازی نقاط داده، تهدیدات موجود را بررسی کنند.
با این حال، نتایج بدست آمده از مدل یادگیری ماشینی از اعتبار کاملی برخوردار نیست. هم‌چنین آسیب‌پذیری مدل‌های یادگیری ماشینی در برابر حملات دشمنان، یکی از مشکلات اصلی فناوری‌های مربوط به هوش مصنوعی است. لازم به ذکر است که حریم خصوصی داده‌ها در مراحل آموزش و ارزیابی از مشکلات اصلی کاربران به حساب می‌آید.
کتاب امنیت سایبری و یادگیری ماشین با بررسی پیشرفت‌های پژوهشی در زمینه‌های امنیت سایبری مبتنی بر یادگیری ماشینی، مسائل امنیتی در روش‌ها و سیستم‌های یادگیری ماشینی و مسائل امنیتی و حریم خصوصی در برون‌سپاری یادگیری ماشینی به تحلیل این موضوعات مهم می‌پردازد.
این کتاب ۱۷۲ صفحه‌ای شامل ۶ بخش است که با همکاری ۲۲ نفر از پژوهشگران فعال و متخصصان عملی در حوزه امنیت سایبری و فناوری‌های یادگیری ماشینی نوشته شده است. اگر چه نویسندگان این کتاب هر یک مرتبط با حوزه‌ها و زیرشاخه‌های مختلفی هستند، اما هدف مشترک آن‌ها طراحی رویکرد‌های موثر برای ایمن‌سازی فضای سایبری است.
فصل حملات IoT و بدافزارها، با بررسی انواع مختلف حملات انجام شده روی دستگاه‌های IoT با توجه به اهداف مهاجمان از جمله حملات سرقت اطلاعات غیرفعال، حملات تضعیف سرویس‌ها و حملات مبتنی بر Botnet شروع شده و با بحث راجع به راه‌حل‌های امنیتی وابسته به یادگیری ماشینی ادامه پیدا می‌کند.
فصل شناسایی منبع آنلاین مبتنی بر یادگیری ماشینی برای تحلیل تصاویر، به طرح جدیدی از یادگیری ماشینی برای شناسایی آنلاین منابع تصویری، به خصوص تصاویر عکسبرداری شده توسط مدل‌های ناشناخته‌ای از دوربین‌ها می‌پردازد.
فصل امنیت ارتباطی مبتنی بر یادگیری تقویت شده برای وسایل نقلیه هوایی بدون سرنشین، یکی از مطالعات انجام شده روی طرح مبتنی بر یادگیری تقویت شده برای راه‌های ارتباطی UAV در برابر حملات پارازیتی را معرفی می‌کند که وضعیت محرمانه ماندن سیستم UAV در برابر حمله مهاجمان را بهبود می‌بخشد.
فصل تحلیل بصری نمونه‌های خصومت‌آمیز در یادگیری ماشینی: روند پیشرفته آینده، نمای کلی از یک پژوهش مربوط به نمونه‌های خصومت‌آمیز را به تصویر می‌کشد و ابزار و روش‌های لازم برای شناسایی نمونه‌های خصومت‌آمیز را مورد مطالعه قرار می‌دهد و هم‌چنین راهکار‌های بهبود وضعیت مدل یادگیری ماشینی را بررسی می‌کند.
فصل حملات خصومت‌آمیز علیه سیستم‌های تشخیص صدای مبتنی بر یادگیری عمیق، به جزئیات رویکرد حمله به سیستم‌های تشخیص صدای خودکار در دنیای واقعی از طریق استفاده از نمونه‌های صوتی توسط مهاجمان می‌پردازد که در برابر نرم‌افزار‌هایی مانند Google Assistant، Google Home، Amazon Echo و کورتانای مایکروسافت موفق عمل کردند.
فصل بررسی یادگیری عمیق برون‌سپاری ایمن، دیدگاه جامعی از محاسبات برون‌سپاری شده در یادگیری عمیق ارائه می‌دهد و به تحلیل تکنیک‌های رمزنگاری پس‌زمینه‌ای و معماری‌های برون‌سپاری شده مربوط به بازده، امنیت و حریم خصوصی می‌پردازد و مشکلات پژوهشی خاصی را معرفی می‌کند که باید در آینده به آن‌ها توجه شود.
در مجموع، این کتاب مطالب جدیدی به حوزه امنیت سایبری و یادگیری ماشینی اضافه می‌کند که نه تنها به ساخت ابزار یادگیری ماشینی قوی‌تری در برابر تهدیدات سایبری کمک می‌کند، بلکه برای پژوهشگران دیگر انگیزه لازم را فراهم می‌کند تا به منظور شناسایی نقطه‌ضعف‌ها در تکنیک‌های یادگیری ماشینی موجود و بهبود وضعیت مدل‌ها، آزمایشاتی انجام دهند. ناشران این کتاب مطمئن هستند که مطالب ارائه شده در حوزه پرچالش امنیت سایبری و یادگیری ماشینی از اهمیت بالایی برخوردار خواهد بود.
عنوان کتاب: نقطه تلاقی امنیت سایبری و یادگیری ماشین
عنوان اصلی: Cyber Security Meets Machine Learning
نویسندگان: شیائوفنگ چن (Xiaofeng Chen)، ویلی سوسیلو (Willy Susilo) و الیسا برتینو (Elisa Bertino)
سال انتشار: ۲۰۲۱
ناشر: Springer
