كشف هجمات القوة الغاشمة التكيفية بناءً على تحليل السلوك والتعلم الآلي

الملخص

بالإضافة إلى التوسع المتزايد في استخدام الخدمات الرقمية، أصبحت هجمات القوة الغاشمة (Brute Force) من الأساليب الشائعة لاختراق أمن المعلومات وسلامة الأنظمة. تعاني أنظمة الكشف التقليدية، مثل الأنظمة المعتمدة على العتبات الثابتة البسيطة، من ارتفاع معدل الإنذارات الكاذبة، كما أنها لا تتفاعل بشكل فعّال مع سلوك المستخدم الشرعي، خصوصًا في الهجمات الخفية منخفضة المعدل. تقترح هذه الورقة نظامًا ذكيًا وديناميكيًا للتعرّف على محاولات تسجيل الدخول باستخدام هجمات القوة الغاشمة، يعتمد على التحليل السلوكي وتقنيات تعلم الآلة (مثل Isolation Forest وLSTM) بالإضافة إلى العتبات التكيفية. تُظهر النتائج التجريبية على مجموعات بيانات مصطنعة وحقيقية لسجلات المصادقة فعالية الإطار المقترح؛ إذ في مجموعات البيانات المصطنعة (مع إدخال 60 هجومًا)، تمكّن الإطار الهجين من اكتشاف جميع الهجمات بمعدل استدعاء (Recall) قدره 1.0، ودقة (Precision) بلغت 0.92، وقيمة F1-Score مقدارها 0.96، مع انخفاض أكبر في معدلات الإنذارات الكاذبة مقارنة بالأساليب التي تعتمد فقط على نماذج فردية أو عتبات ثابتة. كما حقق النموذج أداءً متميزًا على 10,000 سجل لمحاولات تسجيل الدخول تضم 34 هجومًا معروفًا، إضافة إلى هجمات عالية التردد وأخرى خفية منخفضة المعدل، حيث بلغت قيم Recall = 1.0 وPrecision = 0.92 وF1-Score = 0.96. وتم الحد من مشكلة فرط التعلّم (Overfitting) باستخدام التحقق المتقاطع (Cross-Validation) وتطبيع الخصائص (Feature Normalization) وتقنية الإسقاط (Dropout) في نموذج LSTM، إلى جانب الإيقاف المبكر (Early Stopping)، كما أظهر النظام قدرة تعميم قوية على بيانات غير مرئية مسبقًا. يوفر الإطار المقترح حلاً فعّالًا وقابلًا للتوسع وحسّاسًا للسياق للكشف الآني عن هجمات القوة الغاشمة، ويُظهر تحسنًا ملحوظًا مقارنة بالتقنيات التقليدية، كما يشكّل أساسًا لنظام ذكي متقدّم في مجال كشف التسلل مستقبلاً.