استخدام الشبكات العصبية التلافيفية للكشف عن هجمات الشبكات ضد التهديدات السيبرانية

في الممارسة العملية، يحتاج المدافعون إلى نهج أكثر كفاءة للكشف عن الشبكات، والذي يحتوي على مزايا القدرة على التعلم السريع للاستجابة للخصائص السلوكية الجديدة للشبكة لأغراض الكشف عن التسلل. في العديد من التطبيقات، تم تأكيد قدرة تقنيات التعلم العميق على التفوق على الأساليب التقليدية. وبناءً عليه، ركزت هذه الدراسة على الكشف عن التسلل في الشبكات باستخدام الشبكات العصبية التلافيفية (CNNs) استنادًا إلى LeNet-5 لتصنيف تهديدات الشبكة. تظهر نتائج التجربة أن دقة توقع الكشف عن التسلل تصل إلى 99.65% مع أكثر من 10,000 عينة. معدل الدقة العام هو 97.53%.