|
Title
|
مدلسازي مبتني بر يادگيري چند جانبه هوش مصنوعي و استحكام امنيت سايبري
|
|
Type
|
Presentation
|
|
Keywords
|
حملات خصمانه؛ هوش مصنوعي؛ تجزيه و تحليل داده هاي سايبري؛ امنيت سايبري؛يادگيري ماشين
|
|
Abstract
|
با توجه به وابستگي فناوري ديجيتال به، امنيت سايبري به عنوان يك حوزه تحقيقاتي برجستهتر ظاهر شده ،كه معمولاً برامنيت دستگاهها، شبكه ها، سيستمها، دادهها و ساير منابع از حملات سايبري مختلف، تهديدات، خطرات، آسيبها تمركز ميكند. هوش مصنوعي (AI) كه از آن به عنوان فناوري حياتي نيز ياد مي شود، مي تواند كليد برخورد با اين مسائل سايبري باشد. با اين حال،ماهيت پويا و پيچيدگي موقعيتهاي دنياي واقعي از منابع مختلف سايبري، امروزه ساخت يك مدل امنيتي مؤثر مبتني بر هوش مصنوعي را چالشبرانگيز كرده است. علاوه براين، دفاع قوي در برابر حملات خصمانه يك سوال باز در منطقه است. به طور كلي در اين مقاله، يك ديدگاه جامع درمورد "هوش امنيت سايبري و استحكام" ارائه مي دهيم، با تاكيد بر مدل سازي مبتني بر هوش مصنوعي و يادگيري خصمانه كه منجر به پرداختن به مسائل مختلف در زمينه هاي مختلف برنامه هاي سايبري مانند شناسايي بدافزار يا نفوذ، شود.
|
|
Researchers
|
saba talaeian (First researcher) , gholamreza Ahmadi (Second researcher)
|