Soft computing in computer network security protection system with machine learning based on level protection in the cloud environment

Der Artikel geht auf die eskalierenden Bedrohungen der Cybersicherheit in Cloud-Umgebungen ein und schlägt ein hoch entwickeltes Intrusion Detection System (IDS) vor, das Soft Computing und maschinelles Lernen nutzt. Das vorgeschlagene System, das für den Betrieb in einer Cloud-Umgebung konzipiert wurde, besteht aus drei Ebenen: Datenerfassung, -detektion und maschinelles Lernen. Die Datenerfassungsschicht erfasst und verarbeitet Netzwerkverkehr, während die Erkennungsschicht Abweichungen vom normalen Netzwerkverhalten mithilfe maschineller Lernalgorithmen identifiziert. Die maschinelle Lernschicht schult das System, sowohl bekannte als auch unbekannte Angriffe zu erkennen und darauf zu reagieren. Die Autoren verwenden Kernel Principal Component Analysis (KPCA) und eine vertrauensbasierte sichere Cloud-Umgebung, um die Genauigkeit und Zuverlässigkeit des Systems zu verbessern. Die Studie vergleicht die vorgeschlagene Methode außerdem mit bestehenden Techniken und zeigt ihre überlegene Leistung bei der Analyse der Netzwerksicherheit, des Durchsatzes, der QoS, der Latenz und des Paketbereitstellungsverhältnisses. Trotz potenzieller Nachteile wie falscher Datensatzklassifizierung und Ressourcenbeschränkungen verspricht das vorgeschlagene System hohe Genauigkeit und Schutz der Privatsphäre bei der Cloud-basierten Netzwerksicherheit.