This post is also available in:
English (אנגלית)
רשתות מוגדרות־תוכנה (SDN) הפכו לאבן יסוד במרכזי נתונים, תשתיות ענן וסביבות ארגוניות מודרניות. באמצעות הפרדת שכבת הבקרה משכבת העברת התעבורה, הן מאפשרות ניהול ותצורה גמישים ויעילים יותר של הרשת. אך לארכיטקטורה הריכוזית הזו יש גם מחיר: אם תוקפים מצליחים להציף או לפגוע בבקרי הרשת, השיבוש עלול להתפשט במהירות לחלקים נרחבים ממנה.
כעת פיתחו חוקרים מערכת אבטחה מבוססת בינה מלאכותית, שנועדה לזהות תעבורה זדונית ובמקביל למנוע מבקרי הרשת להגיע לעומס יתר בזמן מתקפה. הפתרון משלב רשת עצבית קוונטית עמוקה עם שיטת אופטימיזציה בהשראת ההתנהגות הקבוצתית של אווזי בר ונמיות ננסיות.
הרכיב הראשון במערכת מתמקד בזיהוי איומים. על פי דיווח של TechXplore, תעבורת הרשת הנכנסת מנותחת באמצעות רשת עצבית קוונטית עמוקה, שמהווה מודל למידת מכונה שנועד לזהות דפוסים מורכבים וחריגות העשויים להעיד על פעילות זדונית. המערכת מתמקדת במיוחד בזרמי תעבורה חריגים הקשורים למתקפות כמו מניעת שירות מבוזרת (DDoS), שבהן כמויות עצומות של בקשות נשלחות כדי להעמיס על משאבי הרשת.
אולם זיהוי מתקפות הוא רק חלק מהפתרון. ברשתות מוגדרות־תוכנה, בקרי הרשת משמשים כגורם קבלת ההחלטות המרכזי. אם בקר אחד הופך לעמוס מדי בזמן שהוא מטפל בתעבורה חשודה, ביצועי הרשת עלולים להיפגע עוד לפני שהמתקפה עצמה מצליחה.
כדי להתמודד עם הבעיה הזו, הוסיפו החוקרים שכבה נוספת המבוססת על אלגוריתמי אופטימיזציה בהשראת הטבע. המערכת שואבת השראה מהאופן שבו אווזי בר מתאמים את תנועתם ומהדרך שבה נמיות ננסיות מארגנות את התנהגות הקבוצה שלהן. באמצעות מנגנון זה, המערכת בוחנת באופן רציף את עומסי העבודה של הבקרים. כאשר אחד הבקרים מתקרב לקצה יכולתו, מתגים ברשת מועברים אוטומטית לבקרים אחרים בעלי משאבים פנויים.
השילוב הזה מאפשר למערכת לא רק לזהות מתקפות, אלא גם לחלק מחדש את העומסים בזמן אמת, ובכך לשמור על יציבות הרשת בזמן הטיפול באיום.
בסימולציות השיגה המערכת דיוק זיהוי של 93.7%, עם שיעור זיהוי חיובי נכון של 91.6% ושיעור זיהוי שלילי נכון של 87.5%.
מנקודת מבט של סייבר, הגישה משקפת מגמה הולכת וגוברת של שילוב בין זיהוי איומים לבין חוסן תשתיתי במסגרת אחת. במקום להתייחס לאבטחה ולניהול התעבורה כפונקציות נפרדות, מערכות ההגנה של העתיד עשויות לשלב זיהוי מתקפות מבוסס בינה מלאכותית יחד עם התאמה אוטומטית של התשתית, כדי לסייע לארגונים להגיב לאיומים עוד לפני שהשיבושים מתפשטים למערכות קריטיות.
המחקר פורסם כאן.
