تشخیص نفوذ در ابر رایانشی توسط تکنیک تشخیص ناهمگونی

در سال های اخیر، ظهور و گسترش روزافزون استفاده از رایانش ابری، درک همه از معماری های زیرساخت، ارایه نرم افزار و مدل های توسعه را به شدت تغییر داده است. پس از انتقال از رایانه های مرکزی به مدل های سرویس گیرنده/سرویس دهنده، رایانش ابری عناصری از محاسبات گرید، محاسبات ابزار و محاسبات خودکار را در بر می گیرد و به یک معماری استقرار نوآورانه تبدیل می شود. این انتقال سریع به سمت رایانش ابری، نگرانی هایی برای موفقیت سیستم های اطلاعاتی، ارتباطات و امنیت اطلاعات ایجاد کرده است. ساختار توزیع شده رایانش ابری به عنوان هدفی جذاب برای حملات سایبری بالقوه توسط نفوذگران تبدیل می شود. در این مقاله با استفاده از رویکرد تشخیص ناهنجاری، روشی برای تعبیه یک سیستم تشخیص نفوذ برای رایانش ابری ارایه شده است. لذا با مطالعه بر روی چگونگی بررسی پارامترها و نقش ترکیبی پارامترها در تشخیص نفوذ در ابر، به بررسی و ارایه چهارچوب نظری به همراه شبیه سازی رفتار مشکوک در ابر پرداخته شده است. منطقی ترین روش برای شناسایی نفوذ، استفاده از روش های همراه با ناظر برای یادگیری پارامترهای رفتار عادی مشتریان است. لذا تشخیص رفتار مغرضانه در قالب رفتار مشکوک، با یک شبیه سازی اولیه در قالب شناسایی رفتار غیرعادی در حیطه های مختلف رفتاری توسط شبکه عصبی تکرار کننده پیاده سازی شده و مورد بحث، بررسی و مقایسه قرار گرفت. نتایج حاصل از شبیه سازی روش پیشنهادی نشان می دهد که این تحقیق می تواند جنبه های جدیدی را برای بررسی مسیله تشخیص نفوذ در ابر ارایه کند و از روش دسته بندی نیز کارایی بهتری از خود نشان دهد.