Consulting services can provide valuable insights, strategic guidance, pecialized
1901 Shiloh, Hawaii 81063
Saka Holding: Geleceğe Değer Katan Çözümler
Gelişmiş saldırıları yakalamak istiyoruz, ama bunu nasıl yaptıklarını anlamadığımız sistemlere ne kadar güvenebiliriz?
Sorunu İnceleyelimSiber güvenlikte yapay zekâ üzerine yapılan araştırmalar bize şunu gösteriyor: İki uç nokta var. (Detaylar "Literatür" bölümünde)
Literatür diyor ki (Makale 1, 4, 7): "Derin Öğrenme" (Deep Learning) kullanan yeni sistemler, daha önce görülmemiş saldırıları bile %99 doğrulukla yakalayabiliyor.
Sorun (Makale 2, 16): Bu sistemler bir "kara kutu". Saldırıyı buluyorlar ama bir uzmana *neden* bunun bir saldırı olduğunu açıklayamıyorlar. Güvenmek zor.
Literatür diyor ki (Makale 11, 14): Klasik, basit yöntemler (Makine Öğrenmesi) hızlıdır ve ne yaptıklarını anlamak daha kolaydır.
Sorun: Bu sistemler karmaşık ve yeni nesil saldırıları (sıfır-gün) kaçırırlar. Güçleri yetersiz kalır.
Geliştirdiğimiz DA-HIDS modeli, bu iki özelliği birleştiren "hibrit" (karışık) bir yapı sunar.
(Derin Öğrenme gibi)
(Nedenini söyleyebilir)
Sistemi 3 katmanlı bir güvenlik ekibi gibi düşünebiliriz:
Ağ trafiğinin "anlık fotoğrafını" çeker. Olağandışı, tekrar eden kalıpları (örneğin aynı anda gelen binlerce paket) anında fark eder.
Gözcünün bulgularını alır ve "geçmişe" bakar. Olayların zaman içindeki sırasına (hafızasına) bakar. "Önce tarama yaptı, SONRA saldırdı" gibi bağlantıları kurar.
Bu bizim "açıklama" katmanımızdır. Model bir saldırı bulduğunda, bu katman hangi kanıta bakarak bu kararı verdiğini bize gösterir.
Bir saldırganın ağınızdaki açık kapıları (portları) aradığını düşünelim.
"Aynı adresten, çok kısa sürede, onlarca farklı porta istek geliyor." Bu deseni anında yakalar.
"Bu hareket 5 saniyedir kesintisiz devam ediyor. Bu normal bir davranış değil." diyerek olayın ciddiyetini anlar.
Model, "Bu bir Port Tarama Saldırısıdır" sonucuna ulaşır.
Güvenlik uzmanı "Neden?" diye sorduğunda, sistemimiz cevabı gösterir:
"Bu kararı verdim ÇÜNKÜ: 'Paket aralığı = 0.1 saniye' ve 'Hedef Port = Sürekli Değişiyor' özelliklerine odaklandım."
Sadece "saldırı var" demekle kalmaz, "neden" bir saldırı olduğunu düşündüğünü de kanıtlarıyla gösterir.
“Bu sistem, siber güvenlikte doğruluk ve şeffaflık arasındaki dengeyi kurarak, geleceğin akıllı ve güvenilir güvenlik sistemleri için bir temel oluşturur.”
Çözümümüzün dayandığı ve literatürdeki boşluğu gösteren temel araştırmalar:
Anlamı: Derin öğrenme (DL) siber güvenlikte devrim yaratıyor. Artık klasik algoritmalar değil, DL temelli sistemler ön planda.
Anlamı: Modelin doğruluğu kadar, neden o kararı verdiğini açıklaması da (XAI) önemli. Bu, "kara kutu" sorununu vurguluyor.
Anlamı: “Veri paylaşmadan işbirliği” (Federe Öğrenme) fikrini siber güvenliğe kazandırdı. Gizlilik için önemli.
Anlamı: CNN+LSTM gibi hibrit modellerin (uzamsal + zamansal) yüksek doğruluk sağladığını gösteriyor. Bizim modelimizle benzer bir temel fikir.
Sürdürülebilirlik ilkesi doğrultusunda, kaynaklarımızı en verimli şekilde kullanarak, doğaya ve topluma karşı sorumluluklarımızı yerine getiriyoruz.
2024 Tüm Hakları Saklıdır – Saka Teknoloji