الكشف عن اختراق الشبكة المعتمد على التعلم القليل من اللقطات من خلال شبكة ثلاثية محسّنة وموازية

يُعد كشف اختراق الشبكة واحدة من التقنيات الحيوية لتعزيز الأمن السيبراني. تم اقتراح عدة طرق تعتمد على التعلم القليل من اللقطات مؤخرًا لتخفيف الاعتماد على عينات تدريب كبيرة في العديد من طرق التعلم تحت الإشراف. ومع ذلك، لا يزال من التحديات تحقيق كشف اختراق دقيق في الوقت الحقيقي، وهو متطلب أساسي لأمان الشبكة عالي السرعة. في هذه الدراسة، نقترح طريقة جديدة لكشف اختراق الشبكة تعتمد على التعلم القليل من اللقطات للتصدي لهذا التحدي. على وجه الخصوص، نحن نحسن من دقة الكشف وسرعة المعالجة في الوقت الحقيقي في نفس الوقت من خلال آليتين: (i) نستخدم مخطط اختيار نموذج صعب كمرحلة تنقيح لتدريب نموذج شبكتنا الثلاثية لزيادة دقة الكشف؛ و (ii) نصمم شبكة تضمين خفيفة الوزن ونوازي عملية استخراج الميزات لبلوغ سرعة تحليل في الوقت الحقيقي. لتقييم الطريقة المقترحة، نقوم بإنشاء مجموعات بيانات تعتمد على التعلم القليل من اللقطات باستخدام مصدرين حقيقيين وهماين من بيانات كشف اختراق حركة المرور الشبكية. تظهر النتائج الموسعة أن طريقتنا تتفوق على الأساليب الرائدة من حيث الأداء في الوقت الحقيقي والدقة العالية في الكشف عن العينات الضارة.