سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

تشخیص حملات اینترنتی با مدل های زبانی بزرگ تقطیری در شبکه های توزیع شده

Authors :

جواد جهانگیری درزه کنانی¹ امین بابازاده²

1- دانشگاه ازاد ارومیه 2- دانشگاه ازاد ارومیه

Keywords :

مدل‌های زبانی بزرگ تقطیرشده،شبکه‌های توزیع‌شده،حفظ حریم خصوصی سازمان‌ها و ادارات،تجمیع مدل های زبان بزرگ،امنیت سایبری

Abstract :

تشخیص حملات توزیع‌شده انکار سرویس (DDoS) برای حفاظت از زیرساخت‌های شبکه‌ای مدرن امری ضروری است. مدل‌های زبانی بزرگ، اگرچه قدرتمند، به زیرساخت‌های پردازشی سنگین و زمان‌بر نیاز دارند که پیاده‌سازی آن‌ها روی فایروال‌ها یا تجهیزات امنیتی لبه شبکه با منابع محدود را غیرممکن می‌سازد. این مقاله از مدل زبانی تقطیرشده DistilBERT استفاده می‌کند که با کاهش پیچیدگی محاسباتی و مصرف منابع، دقت بالا و کارایی مناسب را برای تشخیص حملات DDoS فراهم می‌کند. سازمان‌ها و شرکت‌ها به دلیل نگرانی‌های امنیتی، امکان اشتراک‌گذاری لاگ‌های شبکه‌ای خود را ندارند؛ بنابراین، این مطالعه رویکردی مبتنی بر یادگیری فدرال ارائه می‌دهد که به‌جای اشتراک‌گذاری داده‌ها، دانش مدل‌های محلی را منتقل می‌کند. در این روش، هر سازمان مدل خود را با استفاده از داده‌های محلی (مانند دیتاست CICIDS2017) آموزش داده و آن را به سرور مرکزی ارسال می‌کند. سرور با تجمیع مدل‌های ارسالی از سازمان‌ها، یک مدل جهانی بهبودیافته تولید می‌کند که دقت بالاتر و تعمیم‌پذیری بهتری دارد. این مدل تجمیع‌شده به سازمان‌ها بازگردانده می‌شود تا بدون نقض حریم خصوصی داده‌ها، از دانش جمعی بهره‌مند شوند. مزایای این رویکرد شامل حفظ حریم خصوصی، کاهش نیاز به انتقال داده‌های حساس، بهبود عملکرد تشخیص به دلیل تجمیع دانش محلی، و مقیاس‌پذیری برای استفاده در شبکه‌های توزیع‌شده است. این چارچوب با استفاده از ارتباط امن و فشرده‌سازی داده‌ها، کارایی انتقال مدل‌ها را افزایش داده و برای کاربردهای عملی در سیستم‌های تشخیص نفوذ در لبه شبکه مناسب است.