TMB-CMSBT: A Block chain and Ensemble Learning Framework for Secure VM Management and Threat Detection
تقترح هذه الورقة إطار عمل TMB-CMSBT، وهو إطار مبتكر يدمج تقنية البلوكشين والتعلم التجميعي لتعزيز إدارة الأجهزة الافتراضية الآمنة، ومصادقة المستخدم، والكشف عن التهديدات في الوقت الفعلي في البيئات السحابية مع معالجة أوجه القصور في الأنظمة المركزية التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالمنا الرقمي الحديث، تُخزن كميات هائلة من المعلومات وتُعالج ليس على أجهزة الكمبيوتر الشخصية، بل في مراكز بيانات ضخمة وبعيدة تُعرف باسم "السحابة". يتيح هذا النظام للناس والشركات الوصول إلى موارد حوسبة قوية عند الطلب، مع الدفع فقط مقابل ما يستخدمونه. ومع ذلك، فإن هذه السهولة تجلب تحديًا كبيرًا: الأمن. نظرًا لأن العديد من المستخدمين المختلفين يتشاركون البنية التحتية المادية نفسها، فإن ضمان وصول الأشخاص المصرح لهم فقط إلى بياناتهم الخاصة أمر صعب. تعتمد طرق الأمن التقليدية غالبًا على سلطة مركزية للتحقق من الهويات ومراقبة حركة البيانات. ويمكن لهذه الأنظمة المركزية أن تكافح لمواكبة أنماط البيانات المعقدة وعالية السرعة، وإذا تعرضت السلطة المركزية للاختراق، فإن النظام بأكمله يصبح في خطر. علاوة على ذلك، وبينما تستخدم بعض التقنيات الأحدث سجلات لا مركزية لتسجيل المعاملات بشكل آمن، إلا أنها تفتقر غالبًا إلى القدرة على التنبؤ بالسلوك الضار وإيقافه بذكاء قبل أن يتسبب في حدوث ضرر.
ولمعالجة هذه الفجوات، اقترح باحث يدعى الدكتور براتاب كومار ك (Dr. Prathap Kumar K) من مدرسة سافيثا للهندسة في تشيناي إطار عمل جديدًا يسمى TMB-CMSBT. يجمع هذا النظام بين تقنيتين متميزتين لإنشاء بيئة أكثر أمانًا للأجهزة الافتراضية، وهي أجهزة كمبيوتر قائمة على البرامج يستأجرها المستخدمون داخل السحابة. المكون الأول هو نظام إدارة قائم على الرموز (tokens). فبدلاً من الاعتماد فقط على كلمة المرور، يصدر النظام مفتاحًا رقميًا فريدًا، أو رمزًا، للمستخدم فقط بعد التحقق من هويته وسلوكه السابق. يعمل هذا الرمز كطبقة ثماية ثانية، مما يمنح حق الوصول إلى موارد حوسبة محددة. المكون الثاني هو "البلوكشين" (blockchain)، وهي تقنية تسجل كل إجراء في سجل دائم وغير قابل للتغيير. ومن خلال تسجيل كل عملية تسجيل دخول، وتخصيص للموارد، وفحص أمني في هذا السجل المشترك، يضمن النظام عدم قدرة أي شخص على التلاعب بتاريخ الأحداث لإخفاء جريمة ما.
يكمن الابتكار الجوهري لهذا العمل في كيفية تواصل هذين النظامين مع بعضهما البعض. فقد دمج الباحث مجموعة متطورة من أدوات تعلم الآلة، المعروفة باسم إطار التعلم الجماعي (ensemble learning framework)، لتعمل بمثابة "الدماغ" للعملية. فبدلاً من استخدام طريقة واحدة للتخمين ما إذا كان المستخدم خطيرًا، يجمع النظام تنبؤات عدة خوارزميات مختلفة. تقوم هذه الخوارزميات بتحليل أنماط حركة مرور الشبكة، مثل حجم البيانات التي يتم نقلها، ومدة بقاء المستخدم متصلًا، وكمية قوة الحوسبة التي يستخدمها. وإذا اكتشف النظام ارتفاعًا مفاجئًا في النشاط أو نمطًا غريبًا يشير إلى أن مستخدمًا يحاول اختطاف جهاز، فإنه لا ينتظر تدخلًا بشريًا؛ بل يقوم تلقائيًا بعزل الجهاز الافتراضي المشبوه عن الشبكة وإلغاء رمز المستخدم، مما يؤدي فعليًا إلى إغلاق الطريق أمامه قبل أن يتمكن من إلحاق الضرر. ويتم كتابة كل إجراء من هذه الإجراءات، بدءًا من تسجيل الدخول الأولي وصولًا إلى العزل النهائي للتهديد، بشكل دائم في البلوكشين، مما يخلق سجلًا شفافًا وجديرًا بالثقة لتاريخ أمن السحابة.
ولاختبار ما إذا كان هذا النهج يعمل بالفعل بشكل أفضل من الطرق الموجودة، أجرى الباحث سلسلة من عمليات المحاكاة لمقارنة النظام الجديد مع نماذج أمنية أخرى شائعة. وأظهرت النتائج أن إطار العمل المقترح كان فعالاً للغاية في التمييز بين المستخدمين الطبيعيين والجهات الخبيثة. وفي الاختبارات التي تقيس القدرة على تحديد التهديدات بدقة، حقق النظام الجديد معدل دقة بلغ 99.56%، متفوقًا على النماذج الأخرى التي تراوحت دقتها بين 89% و97% تقريبًا. وبالإضافة إلى مجرد ضبط الجهات السيئة، أثبت النظام أيضًا كفاءته في استخدام الموارد. فعندما زاد عدد المهام، استخدم النظام الجديد طاقة حوسبة أقل، واستهلك طاقة أقل، واستغرق وقتًا أقل لتنفيذ المهام مقارنة بالنماذج المنافسة. على سبيل المثال، بينما كانت الأنظمة الأخرى تعاني من التأخير مع نمو حجم العمل، حافظ الإطار الجديد على زمن استجابة منخفض، حيث أتم المهام في غض ב ميلي ثانية فقط حتى تحت ضغط العمل الثقيل.
كما بحثت الدراسة في مدى تكرار فشل النظام في الوفاء بوعوده الخدمية، وهو مقياس يُعرف باسم معدل انتهاك اتفاقية مستوى الخدمة (SLA violation rate). حافظ النظام الجديد على معدل انتهاك منخفض للغاية، حيث ظل تحت 6% حتى عند التعامل مع حجم كبير من المهام، في حين أظهرت النماذج الأخرى معدلات فشل أعلى. بالإضافة إلى ذلك، تم تقليل الوقت المستغرق لتسجيل المعاملات على البلوكشين إلى أدنى حد، مما يضمن أن سجلات الأمن لا تبطئ النظام الإجمالي. وخلص الباحث إلى أنه من خلال دمج الثقة اللامركزية للبلوكشين مع القوة التنبؤية لنماذج تعلم الآلة المجمعة، يمكن إنشاء بيئة سحابية ليست آمنة فحسب، بل سريعة الاستجابة وفعالة أيضًا. ويقدم هذا النهج طريقة لإدارة الأجهزة الافتراضية التي يمكنها اكتشاف التهديدات وإيقافها تلقائيًا في الوقت الفعلي، مما يوفر تجربة أكثر أمانًا وموثوقية لأي شخص يعتمد على الحوسبة السحابية في عمله.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.