A novel study of preventing the cyber security threats and ransomware attacks using machine learning

Bu yüksek lisans araştırma tezinin amacı, siber suçları küresel olarak azaltmak ve tüketiciler için esnek bir siber saldırı içermeyen ortam sağlamak için son teknoloji AI tabanlı siber güvenlik ağını kategorize etmektir. Maliyet kontrolü, trafik sahne analizi ve düşünce saldırısı tanımlama gibi alanlarda en sık kullanılan gerçek uygulamalardan biri saldırı kısıtlamasıdır. Çalışmamızda siber güvenlik ile Rivest-Shamir-Adleman arasındaki ilişki olarak tanımlanan bağlamsal bilgiler, araç sahibine ait bilgilerle birlikte tam bir kavrayış elde etmek açısından önemlidir. Araştırma çalışması, bölgedeki kuruluşların konumunu ve dijital korumayı sürekli olarak sınırlamak için bir KNN sınıflandırıcısı önerdi. Değiştirilen bölgeler, kargaşayı (RSA) azaltmak için ön işleme tabi tutulduktan sonra Rivest-Shamir-Adleman'a geçirilir. RSA'nın ön işlemesi, ilişkili bileşenleri ayırır, onları saldırı hatlarına böler ve boyutlarına göre yönlendirir. Araştırmada kullanılan iyi bilinen teknik RSA'dır. RSA en az bir saldırı bölgesi için düşük bir güven puanı bildirdiyse, kullanıcının saldırının o kısmından yeni bir saldırı alması önerilir. Daha sonra yeni saldırı, mevcut saldırı ile karşılaştırılır ve saldırı işleme adımları bir kez daha gerçekleştirilir. Tüm konumların yeterince yüksek puanı varsa veya yeterli yeniden deneme kullanılmışsa, güvenlik döngüsü sona erer. Sonuç, keşfedilen saldırı türünü, kaldırılan saldırıya maruz kalan bölgelerin bir listesini ve 300 hazırlık ve test yinelemesi üzerinden hesaplanan KNN aracılığıyla RSA hesaplamasının doğruluğunu içerir. Önerilen çerçeve, %20'si test için ve %5'i doğrulama için kullanılan mevcut verilerin %75'i kullanılarak oluşturulmuştur. Önerilen bileşen vektörünün anlamını göstermek için tüm mevcut dijital koruma biçimlerinin bir bölümünü ele alan birden çok sınıftan oluşan bir Siber Veri Kümesi kullandık. MATLAB programlama dilinde uygulanan ve yürütülen araştırma çalışması için çoklu makine öğrenme araç kutuları kullanılmıştır. Stratejimizin üç pratik ana ağı vardır, bu nedenle başlangıçtan bitişe ve eşzamanlı hazırlık tarafından potansiyel bir hazırlık riski tetiklenir. Modelin bir araya gelmemesi ihtimaline karşı hangi kafa konfigürasyonunun sorun yarattığını belirlemek inanılmaz derecede zor. Sonuç olarak, plan döngümüzde, modeli kalan faydalı başlıklarla genişletmeden önce tek başlı plan fikrinin doğru şekilde çalıştığından emin olmak için her bir yardımcı başlığı kademeli olarak ekledik.