AMEA İnformasiya Texnologiyaları İnstitutunun 2 saylı şöbəsinin “Dərin təlim metodlarının kibertəhlükəsizlik sahəsində tətbiqləri: yanaşmalar və problemlər” mövzusuna həsr olunmuş növbəti elmi seminarı keçirildi.

Mövzu üzrə ilk məruzəni təqdim edən institutun aparıcı elmi işçisi, texnika üzrə fəlsəfə doktoru, dosent Fərqanə Abdullayeva mövzunun aktuallığını qeyd edərək kibertəhlükəsizliyin təmin olunmasında dərin təlim (ing. deep learning) metodlarının tətbiqinin innovativ və perspektivli tədqiqat istiqamətlərindən biri olduğunu diqqətə çatdırdı.

Bildirdi ki, dərin təlim metodlarının şəkillərin və obyektlərin tanınması, nitqin tanınması, təbii dilin emalı sahələrində uğurla tətbiq edilməsinə baxmayaraq, hazırda bu metodlar kiber-hücumların aşkarlanması sahəsinə çox az tətbiq olunur. Məruzəçi qeyd etdi ki, kibertəhlükəsizlik sahəsində mövcud həllərin kiber-hücumların artan dinamikasının öhdəsindən gələ bilməməsi, yeni təhdidləri aşkarlaya bilməməsi, mürəkkəb hadisələrin analizi prosesindəki çətinlikləri, verilənlərin və hücumların həcmi artdıqca effektiv miqyaslanma imkanlarının məhdudluğu yeni kibertəhlükəsizlik həllərinin yaradılması sahəsində qarşıda duran əsas problemlərdir. Bu problemləri aradan qaldıracaq həllər təklif etmək üçün dərin təlim metodlarından istifadə edilməsi tədqiqatçıların diqqətini cəlb edən əsas yanaşmalardır. Dərin təlim metodlarının kibertəhlükəsizlik sahəsində DDoS hücumlar, davranış anomaliyaları, zərərli proqramlar və protokollar, CAPTCHA kodlar, botnetlərin aşkarlanması və səsə görə şəxsin identifikasiyası kimi aktual məsələlərdə uğurlu tətbiqi üçün geniş imkanları vardır.

F.Abdullayeva Deep Belief Network (DBN), Restricted Boltzmann Machine (RBM), Convolutional Neural Network (CNN), Deep Neural Network (DNN), deep autoencoder və s. kimi dərin neyron şəbəkə arxitekturalarının əsasında kiberhücumların aşkarlanması metodları sahəsində tədqiqatların mövcud vəziyyəti, bu tədqiqatlardakı əsas yanaşmalar, onların üstün cəhətləri və problemləri, metodların dəqiqliyini yoxlamaq üçün aparılan eksperimentlərdə istifadə olunan verilənlər bazaları haqqında ətraflı məlumat verdi.

Mövzu üzrə digər məruzəni təqdim edən şöbə müdiri, texnika üzrə fəlsəfə doktoru, dosent Yadigar İmamverdiyev  dərin neyron şəbəkələri əsasında diskriminativ, generativ və hibrid neyron şəbəkə arxitekturaları və dərin təlim sahəsində son trendlər – Deep Reinforcement Learning və Transfer Learning haqqında məlumat verdi və generativ rəqib şəbəkələrinin (ing. Generative Adversarial Networks) zərərli proqram təminatının aşkarlanması məsələsində tətbiqi üçün yanaşmanı diqqətə çatdırdı: “Diskriminativ model giriş verilənlərini klassifikasiya edir, generativ model isə təlim verilənlərinə oxşar verilənləri generasiya edə bilən modeldir. Baxılan yanaşmada generativ modeldə dərin enkoderlər zərərli proqram təminatının xarakteristikalarını öyrənir, yeni verilənlər generasiya edir və bunları rəqib şəbəkə generatorunu öyrətmək üçün transfer edir”. Şöbə müdiri qeyd etdi ki, diskriminativ modeldə isə öyrədilmiş diskriminator zərərli proqram təminatının əlamətlərini tanımaq xüsusiyyətini transfer learning-dən istifadə etməklə detektora ötürür. Bu yanaşmanın gələcək tədqiqatlarda variasiya enkoderləri ilə də reallaşdırılması nəzərdə tutulur.

Sonda məruzələr ətrafında fikir mübadiləsi aparıldı, suallar cavablandırıldı. Y.İmamverdiyev bu istiqamətdə araşdırmaların davam etdirilməsini tövsiyə etdi.

© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.