マシンラーニングによるファイルアクセスパターンとセキュリティログの分析を通じたLinuxベースのランサムウェアの統合検出と緩和

ランサムウェアの攻撃が頻発し、ますます高度化する中でサイバーセキュリティの課題は悪化し続けており、個人および組織のデータの整合性に重大なリスクをもたらしています。統合検出および緩和システムの開発は新しいアプローチを提供し、リアルタイム分析と自動応答メカニズムを通じてサイバー防御の応答性と効果を高めています。本論文では、そのようなシステムの設計、実装、および評価について詳述し、既存のソリューションと比較して検出精度と緩和速度の優位性を示します。シミュレーション条件下での厳密なテストを通じて、このシステムは現在の業界標準を満たすだけでなく、多くの場合はそれを超えています。将来の改善点についても議論し、適応型サイバーセキュリティ対策のさらなる進展の可能性を強調します。