دفاع تحرك مبناي مقاوم در برابر حملات خصمانه

اصفهان : دانشگاه صنعتي اصفهان

كامپيوتر

كارشناسي ارشد

استفاده از يادگيري ماشين و شبكه‌هاي عصبي عميق در سيستم‌ها و برنامه‌هاي انساني، كمك شاياني به پيشبرد اهداف بشر كرده است. با اين حال، آسيب‌پذيري اين رويكردها در برابر حملات موضوعي است كه مي‌تواند به قيمت جان يك انسان تمام شود. از اين رو، تامين امنيت اين سيستم‌ها و برنامه‌ها به يكي از چالش‌هاي اساسي تبديل شده است. حملات خصمانه يكي از اين نوع حملات است كه با ايجاد و اضافه كردن يك اغشاش كوچك به نمونه‌هاي ورودي، سعي در فريب دادن و برهم زدن عملكرد طبيعي سيستم دارد. از آنجايي كه اندازه‌ي اين اغتشاش آن‌قدر كوچك است كه حتي با چشم انسان هم قابل تشخيص نيست، شناسايي و تشخيص اين ورودي‌ها بسيار سخت است. از طرفي وجود مفهومي ‌به نام انتقال‌پذيري حمله باعث مي‌شود تا مهاجمان بدون داشتن اطلاعات از مدل هدف بتوانند به آن حمله كنند. مهاجمان اغلب با بررسي مداوم سيستم‌ها، به آسيب‌پذيري موجود در سيستم پي برده و با ايجاد اغتشاشي كه مدل هدف را فريب مي‌دهد، حمله‌ي خود را ترتيب مي‌دهند. در اين ارتباط، دفاع تحرك‌مبنا راهكاري است كه اخيراً در بحث امنيت نرم افزار و شبكه‌هاي كامپيوتري مورد استفاده قرار مي‌گيرد و با هدف تغيير مداوم پيكربندي سيستم، سعي دركاهش موفقيت حملات سايبري دارد. اخيراً از اين راهكار در بحث حملات خصمانه نيز استفاده شده است كه نتايج بهتري نسبت به روش‌هاي دفاعي قبلي داشته است. در اين پژوهش، در نظر داريم با برطرف كردن كاستي‌هاي موجود در اين روش‌ها، يك راهكار و چارچوب مقاوم نسبت به حملات خصمانه ارائه دهيم و در صورت امكان اين راهكار را در سيستم‌هاي موجود به‌كار گيريم. رويكرد ارائه‌شده توسط حملات جعبه سفيد روي مجموعه داده‌هاي MNIST و CIFAR10 مورد ارزيابي قرار گرفت كه صحت روش پيشنهادي براي مجموعه داده MNIST در مقابل حملات FGSM،C&W، PGD و Deep Fool به ترتيب برابر 80.15، 98.65، 83.47 و 89.45 است و در داده‌هاي پاك نيز صحت 99.36 را دارد.

227259

نرم افزار

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان