TMB-CMSBT: A Block chain and Ensemble Learning Framework for Secure VM Management and Threat Detection
Dit artikel stelt TMB-CMSBT voor, een nieuw raamwerk dat blockchaintechnologie en ensemble learning integreert om veilig VM-beheer, gebruikersauthenticatie en realtime dreigingsdetectie in cloudomgevingen te verbeteren, terwijl de beperkingen van traditionele gecentraliseerde systemen worden aangepakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne digitale wereld wordt enorme hoeveelheden informatie niet op persoonlijke computers opgeslagen en verwerkt, maar in massieve, afgelegen datacentra die bekend staan als de cloud. Dit systeem stelt mensen en bedrijven in staat om op aanvraag toegang te krijgen tot krachtige computerbronnen, waarbij ze alleen betalen voor wat ze gebruiken. Deze gemakelijkheid brengt echter een aanzienlijke uitdaging met zich mee: beveiliging. Omdat zoveel verschillende gebruikers dezelfde fysieke infrastructuur delen, is het moeilijk om ervoor te zorgen dat alleen geautoriseerde personen toegang hebben tot hun specifieke gegevens. Traditionele beveiligingsmethoden vertrouwen vaak op een centrale autoriteit om identiteiten te controleren en het verkeer te monitoren. Deze centrale systemen kunnen moeite hebben om het bij te houden met complexe, snelle datapatronen, en als de centrale autoriteit wordt gecompromitteerd, loopt het hele systeem risico. Bovendien hebben sommige nieuwere technologieën, die decentrale grootboeken gebruiken om transacties veilig vast te leggen, vaak niet het vermogen om kwaadaardig gedrag intelligent te voorspellen en te stoppen voordat het schade aanricht.
Om deze tekortkomingen aan te pakken, heeft een onderzoeker genaamd Dr. Prathap Kumar K van de Saveetha School of Engineering in Chennai een nieuw framework voorgesteld genaamd TMB-CMSBT. Dit systeem combineert twee verschillende technologieën om een veiligere omgeving te creëren voor virtuele machines, wat de softwarematige computers zijn die gebruikers binnen de cloud huren. Het eerste onderdeel is een token-gebaseerd managementsysteem. In plaats van uitsluitend op een wachtwoord te vertrouwen, geeft het systeem een unieke digitale sleutel, of token, aan een gebruiker pas nadat hun identiteit en eerdere gedrag zijn geverifieerd. Deze token fungeert als een tweede laag van bescherming en verleent toegang tot specifieke computerbronnen. Het tweede onderdeel is blockchain, een technologie die elke actie vastlegt in een permanent, onveranderlijk logboek. Door elke login, toewijzing van middelen en beveiligingscontrole op dit gedeelde grootboek vast te leggen, zorgt het systeem ervoor dat niemand de geschiedenis van gebeurtenissen kan manipuleren om een misdaad te verbergen.
De kerninnovatie van dit werk ligt in de manier waarop deze twee systemen met elkaar communiceren. De onderzoeker heeft een geavanceerde set machine learning-tools geïntegreerd, bekend als een ensemble learning framework, om als het brein van de operatie te fungeren. In plaats van één enkele methode te gebruiken om te raden of een gebruiker gevaarlijk is, combineert het systeem de voorspellingen van verschillende verschillende algoritmen. Deze algoritmen analyseren patronen in het netwerkverkeer, zoals de hoeveelheid verplaatste data, hoe lang een gebruiker ingelogd blijft en hoeveel rekenkracht zij gebruiken. Als het systeem een plotselinge piek in activiteit of een vreemd patroon detecteert dat suggereert dat een gebruiker probeert een machine te kapen, wacht het niet op menselijk ingrijpen. In plaats daarvan isoleert het de verdachte virtuele machine automatisch van het netwerk en trekt het de token van de gebruiker in, waardoor deze effectief wordt buitengesloten voordat er schade kan worden aangericht. Al deze acties, van de initiële login tot de uiteindelijke isolatie van een dreiging, worden permanent op de blockchain geschreven, wat een transparant en betrouwbaar verslag van de beveiligingsgeschiedenis van de cloud creëert.
Om te testen of deze aanpak daadwerkelijk beter werkt dan bestaande methoden, heeft de onderzoeker een reeks simulaties uitgevoerd waarbij het nieuwe systeem werd vergeleken met andere populaire beveiligingsmodellen. De resultaten toonden aan dat het voorgestelde framework zeer effectief was in het onderscheiden tussen normale gebruikers en kwaadwillende actoren. In tests die de bekwaamheid maten om dreigingen correct te identificeren, behaalde het nieuwe systeem een nauwkeurigheidspercentage van 99,56%, waarmee het andere modellen die varieerden van ongeveer 89% tot 97% overtrof. Naast het louter vangen van slechte actoren, bewees het systeem ook efficiënt te zijn met middelen. Wanneer het aantal taken toenam, gebruikte het nieuwe systeem minder rekenkracht, verbruikte het minder energie en had het minder tijd nodig om taken uit te voeren dan de concurrerende modellen. Bijvoorbeeld, terwijl andere systemen moeite hadden met vertragingen naarmate de werklast groeide, hield het nieuwe framework de responstijd laag en voltooide taken in slechts enkele milliseconden, zelfs onder zware belasting.
De studie keek ook naar hoe vaak het systeem faalde om zijn servicetoezeggingen na te komen, een metriek die bekend staat als de Service Level Agreement violation rate. Het nieuwe systeem behield een zeer lage schendingsgraad, die onder de 6% bleef, zelfs bij het verwerken van een groot volume aan taken, terwijl andere modellen hogere foutpercentages vertoonden. Daarnaast werd de tijd die nodig is om transacties op de blockchain vast te leggen geminimaliseerd, wat ervoor zorgt dat de beveiligingslogs het algemene systeem niet vertragen. De onderzoeker concludeerde dat door de gedecentraliseerde vertrouwensbasis van blockchain te combineren met de voorspellende kracht van gecombineerde machine learning-modellen, het mogelijk is om een cloudomgeving te creëren die niet alleen veilig, maar ook responsief en efficiënt is. Deze aanpak biedt een manier om virtuele machines te beheren die automatisch dreigingen kunnen detecteren en stoppen in realtime, wat een veiligere en betrouwbaardere ervaring biedt voor iedereen die voor zijn werk afhankelijk is van cloud computing.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.