TMB-CMSBT: A Block chain and Ensemble Learning Framework for Secure VM Management and Threat Detection
本文提出了 TMB-CMSBT，这是一个集成区块链技术与集成学习的新型框架，旨在通过增强云环境中的虚拟机管理安全性、用户身份验证和实时威胁检测，同时解决传统中心化系统的局限性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代数字世界中，海量的信息并非存储和处理在个人电脑上，而是存储在被称为“云”的大规模远程数据中心中。这种系统允许个人和企业按需访问强大的计算资源，并仅为实际使用量付费。然而，这种便利性也带来了重大的挑战：安全性。由于如此多的不同用户共享相同的物理基础设施，确保只有获得授权的人才能访问其特定数据变得十分困难。传统的安全方法通常依赖于一个中央机构来验证身份并监控流量。这些中央系统往往难以跟上复杂、高速的数据模式，而且如果中央机构遭到破坏，整个系统都会面临风险。此外，虽然一些新技术利用去中心化账本来安全地记录交易，但它们往往缺乏智能预测并在恶意行为造成伤害之前将其阻止的能力。
为了填补这些空白，来自金奈萨维塔工程学院（Saveetha School of Engineering）的研究员 Prathap Kumar K 博士提出了一种名为 TMB-CMSBT 的新框架。该系统结合了两种截然不同的技术，为虚拟机（即用户在云端租用的软件化计算机）创造了一个更安全的运行环境。第一个组件是一个基于令牌的管理系统。该系统不再仅仅依赖密码，而是在验证用户的身份和过往行为后，才会向用户发放一个唯一的数字密钥，即“令牌”。该令牌作为第二层保护，授予访问特定计算资源的权限。第二个组件是区块链，这是一种将每项操作记录在永久且不可篡改的日志中的技术。通过将每一次登录、资源分配和安全检查都记录在这个共享账本上，该系统确保没有人能够篡改事件历史以掩盖犯罪行为。
这项工作的核心创新在于这两个系统是如何进行交互的。研究人员集成了一套复杂的机器学习工具，即“集成学习框架”（ensemble learning framework），使其充当整个运作过程的“大脑”。该系统并非使用单一的方法来猜测用户是否具有危险性，而是结合了多种不同算法的预测结果。这些算法会分析网络流量中的模式，例如数据传输量的大小、用户在线时长以及他们使用的计算能力。如果系统检测到活动突然激增，或者出现了暗示用户试图劫持机器的异常模式，它不会等待人工干预。相反，它会自动将可疑的虚拟机从网络中隔离，并撤销用户的令牌，从而在造成破坏之前有效地将其锁定在外。从最初的登录到最终的威胁隔离，每一个动作都被永久地写入区块链，为云的安全历史创建了一个透明且值得信赖的记录。
为了测试这种方法是否确实比现有方法更好，研究人员进行了一系列模拟实验，将新系统与其他流行的安全模型进行了对比。结果显示，所提出的框架在区分正常用户和恶意行为者方面非常有效。在衡量识别威胁能力的测试中，新系统达到了 99.56% 的准确率，优于其他处于约 89% 至 97% 之间的模型。除了捕捉坏人之外，该系统还证明了其在资源利用方面的效率。当任务数量增加时，新系统比竞争模型消耗更少的计算能力、更少的能量，并且执行任务所需的时间更短。例如，当其他系统在工作负载增加时出现延迟，新框架仍能保持较低的响应时间，即使在高负载下也能在仅几毫秒内完成任务。
研究还观察了系统未能履行服务承诺的频率，这一指标被称为“服务水平协议（SLA）违规率”。即使在处理大量任务时，新系统的违规率也保持在极低的水平（低于 6%），而其他模型则表现出较高的失败率。此外，在区块链上记录交易所需的时间也被降至最低，确保安全日志不会减慢整体系统的速度。研究人员得出结论，通过将区块链的去中心化信任与组合机器学习模型的预测能力相结合，可以创建一个不仅安全而且具有响应性和高效性的云环境。这种方法提供了一种管理虚拟机的方式，能够自动检测并实时阻止威胁，为任何依赖云端进行工作的用户提供更安全、更可靠的体验。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。