موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 3 1 2024 11 15 Global Information System for Cyber Threats with Artificial Intelligence and Convolutional Neural Networks سیستم اطلاعاتی جهانی تهدیدات سایبری با هوش مصنوعی و شبکه عصبی کانولوشنال 50 70 10.22051/jera.2021.31891.2698 FA ثائمه دانشجوی دکتری کامپیوتر، دانشگاه آزاد اسلامی،کرمان، ایران. سوده عضو هیئتعلمی دانشگاه آزاد اسلامی، بردسیر، کرمان، ایران. 2024 09 13 Global cyberattacks significantly impact the economy, society, organizations, and individuals. Existing research on cyberattacks, particularly in providing AI-based analytical solutions to share information on cyber threats at the national level, is limited. National cybersecurity strategists require AI-based decision support systems to assess the cybersecurity posture or preparedness of a country. This paper proposes an AI-based solution that autonomously collects multidimensional data on cyber-related incidents from social media posts. The proposed system offers crucial analytical capabilities across a spectrum of cyber threats, utilizing sophisticated AI algorithms for anomaly detection, prediction, sentiment analysis, location detection, translation, and more. The system has been operational from April 21, 2021, to May 31, 2023. In 21 days, the system independently collected 30,203 records on cyber threats, covering various aspects of cyber threats. These dimensions included daily records of cyberattacks nationwide, such as ransomware, exploits, web threats, spam, malicious emails, network attacks, local contamination, and demand-based scanning. Additionally, the system obtained and analyzed 3,789 cyber-related tweets from 3,402 users in 37 different languages using AI. It also independently translated 893 non-English tweets. The proposed system is the first solution to employ Convolutional Neural Networks (CNN) for anomaly detection in the global cyber threat spectrum and for the automatic prediction of cyberattacks. The system was demonstrated to provide evidence-based decisions on global cyber threats across multiple platforms, including iOS, Android, and Windows. حملات سایبری جهانی به‌طور قابل‌توجهی بر اقتصاد، جامعه، سازمان‌ها و افراد تأثیر می‌گذارد. تحقیقات موجود در مورد حملات سایبری در ارائه راه‌حل‌های تحلیلی مبتنی بر هوش مصنوعی (AI) جهت در اختیار گذاشتن اطلاعات تهدیدات سایبری در سطح کشور، اندک است. استراتژیست‌‌های سایبری در سطح ملی برای تصمیم‌گیری در مورد وضعیت یا آمادگی سایبری یک کشور به سیستم‌های پشتیبانی تصمیم مبتنی بر هوش مصنوعی نیاز دارند. این مقاله، یک راه‌حل مبتنی بر هوش مصنوعی را پیشنهاد می‌کند که به‌طور مستقل، داده‌های حملات سایبری چندبعدی در مورد اعتراضات مرتبط با سایبری را در پست‌های رسانه‌های اجتماعی جمع‌آوری می‌کند. سیستم پیشنهادی، قابلیت تحلیلی حیاتی را در طیف تهدیدات سایبری ارائه می‌کند و از الگوریتم‌های پیچیده مبتنی بر هوش مصنوعی برای تشخیص ناهنجاری، پیش‌بینی، تحلیل احساسات، تشخیص مکان، ترجمه و غیره استفاده می‌کند. سیستم پیشنهادی از 11 اردیبهشت 1400 تا 31 اردیبهشت 1402 مستقر شده است. در 21 روز، این سیستم به‌طور مستقل 30203 رکورد در مورد تهدیدات سایبری را جمع‌آوری کرد که ابعاد متعددی از تهدیدات سایبری را پوشش می‌داد. این ابعاد شامل سوابق حملات سایبری روزانه در سراسر کشور توسط باج‌‌افزار، سوءاستفاده‌ها، تهدیدات وب، هرزنامه، نامه‌های مخرب، حملات شبکه، آلودگی‌های محلی و اسکن بر اساس تقاضا بود. علاوه بر این، این سیستم 3789 توییت مرتبط با سایبری را از 3402 کاربر توییت به 37 زبان مختلف بر اساس AI به دست آورده و تجزیه‌وتحلیل کرد. همچنین، این سیستم 893 توییت غیر انگلیسی را به‌طور مستقل ترجمه کرد. سیستم پیشنهادی، اولین راه‌حلی است که از تشخیص ناهنجاری مبتنی بر شبکه عصبی کانولوشن (CNN) به‌‌منظور شناسایی ناهنجاری‌ها در طیف تهدیدات سایبری در سراسر جهان و پیش‌بینی خودکار حملات سایبری استفاده می‌کند. سیستم پیشنهادی برای ارائه تصمیمات مبتنی بر شواهد در مورد تهدیدات سایبری جهانی در پلتفرم‌های متعدد ازجمله iOS، اندروید و ویندوز نشان داده شد. /downloadfilepdf/588227