ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تصميم وتنفيذ أداة التعلم الآلي...>الوصف

تصميم وتنفيذ أداة التعلم الآلي لتقييم مخاطر الأمن السيبراني

العنوان بلغة أخرى: Design and Implement Machine Learning Tool for Cyber Security Risk Assessment
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: شيت، عمر إبراهيم (مؤلف)
مؤلفين آخرين: إبراهيم، لهيب محمد (م. مشارك)
المجلد/العدد: مج32, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: يونيو
الصفحات: 51 - 64
ISSN: 1812-125X
رقم MD: 1401361
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
الجرائم الإلكترونية | الأمن السيبراني | التعلم الإلكتروني | خوارزميات التعلم
كلمات المؤلف المفتاحية:
Machine Learning "ML" | Risk Assessment | Light Gradient Boosting | Catboost | Multi-Layer Perceptron "MLP"
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: زادت الهجمات الإلكترونية من حيث العدد والشدة، مما أثر سلبيا على الأعمال التجارية وخدماتها. على هذا النحو، لم يعد اعتبار الأمن السيبراني مجرد مشكلة تكنولوجية، ولكن يجب أيضا اعتباره أمرا بالغ الأهمية للاقتصاد والمجتمع. تكافح الحلول الحالية للعثور على مؤشرات للمخاطر غير المتوقعة، مما يحد من قدرتها على إجراء تقييمات دقيقة للمخاطر. تقدم هذه الدراسة طريقة لتقييم المخاطر بالاعتماد على التعلم الآلي (Machine Learning (ML))، وهو نهج يستخدم للتقييم والتنبؤ بمدى تعرض الشركات لمخاطر الأمن السيبراني. لهذا الغرض، تم تنفيذ أربع خوارزميات من خوارزميات التعلم الآلي (light gradient boosting-AdaBoost-CatBoost -Multi Layer Perceptron(MLP)) وتدريبها وتقييمها باستخدام مجموعات بيانات توليدية تمثل خصائص أحجام مختلفة من البيانات (على سبيل المثال، وعدد الموظفين وقطاع الأعمال ونقاط الضعف المعروفة وخبراء الأمن السيبراني). يظهر التقييم الكمي الذي أجري على هذا الدراسة الدقة العالية لنماذج ML وخصوصا MLP كانت أفضل دقة عند عمل مقارنة مع الأعمال السابقة.

Cyber-attacks have increased in number and severity, which has negatively affected businesses and their services. As such, cyber security is no longer considered merely a technological problem, but must also be considered as critical to the economy and society. Existing solutions struggle to find indicators of unexpected risks, which limits their ability to make accurate risk assessments. This study presents a risk assessment method based on Machine Learning, an approach used to assess and predict companies' exposure to cybersecurity risks. For this purpose, four algorithm implementations from Machine Learning (Light Gradient Boosting, AdaBoost, CatBoost, Multi-Layer Perceptron) were implemented, trained, and evaluated using generative datasets representing the characteristics of different volumes of data (for example, number of employees, business sector, and known vulnerabilities and externel advisor). The quantitative evaluation conducted on this study shows the high accuracy of Machine Learning models and Especially Multi-Layer Perceptron was the best accuracy when working compared to previous work.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.