নিরাপত্তার জন্য মেশিন লার্নিং ব্যবহারের ক্ষেত্রে

আজকের আন্তঃসংযুক্ত ডিজিটাল ভূদৃশ্যের একটি গুরুত্বপূর্ণ শব্দ হল "মেশিন লার্নিং"। ধারণাটি মূলত স্পষ্ট প্রোগ্রামিং গ্রহণের পরিবর্তে কম্পিউটারের ডেটা থেকে শেখাকে বোঝায়। এই ধরনের মেশিন লার্নিং অ্যালগরিদমের মাধ্যমে, কম্পিউটারগুলিকে বিশাল ডেটাসেট খাওয়ানো হয় এবং বর্ধিত ডেটা বিশ্লেষণের মাধ্যমে প্যাটার্ন বা সহ-সম্পর্ক সনাক্ত করার জন্য সেগুলির মাধ্যমে পার্স করা হয়।

ক্রমবর্ধমান সংখ্যক শিল্পে মেশিন লার্নিং একটি সাধারণ বৈশিষ্ট্য হয়ে উঠছে এবং সাইবার নিরাপত্তাও পিছিয়ে নেই। একটি ABI গবেষণা অনুমান করেছে যে সাইবার নিরাপত্তায় মেশিন লার্নিং 96 সালের মধ্যে বৃহৎ ডেটা, বুদ্ধিমত্তা এবং বিশ্লেষণ ব্যয়কে $2021 বিলিয়ন ডলারে উন্নীত করবে। কেন এত বর্ধিত প্রবৃদ্ধি তা বেশ স্পষ্ট - মেশিন লার্নিং ব্যবসাগুলিকে আরও ভাল প্রতিক্রিয়া প্রদান করতে এবং সাইবার হুমকির বৃহৎ, খারাপ বিশ্বের ক্ষেত্রে তাদের নিজস্ব প্রতিরক্ষা জোরদার করতে সহায়তা করে। নিরাপত্তা সংস্থাগুলি এই প্রবণতার সাথে তাল মিলিয়ে তাদের প্রস্তাবিত সমাধানগুলিকে পুনর্গঠন করছে। তারা স্বাক্ষর-ভিত্তিক সিস্টেম থেকে স্তরযুক্ত সমাধানগুলিতে স্থানান্তরিত হচ্ছে যেখানে মেশিন লার্নিং সিস্টেমগুলি ম্যালওয়্যারকে আরও ভালভাবে সনাক্ত করার জন্য ডেটা ব্যাখ্যা করে।

মেশিন লার্নিং কাজগুলিকে তিন ধরণের মধ্যে শ্রেণীবদ্ধ করা হয়েছে: ১) তত্ত্বাবধানে থাকা শিক্ষা যেখানে লেবেলযুক্ত ডেটা একটি মডেলকে প্রশিক্ষণ দেওয়ার জন্য ব্যবহার করা হয় যা পরে অদৃশ্য ডেটাতে লেবেল করার জন্য প্রয়োগ করা যেতে পারে, ২) তত্ত্বাবধানে না থাকা শিক্ষা যেখানে লেবেলবিহীন ডেটা ইনপুট ডেটাতে প্যাটার্ন বা কাঠামো আবিষ্কার করার প্রশিক্ষণের জন্য ব্যবহার করা হয় এবং ৩) শক্তিবৃদ্ধি শিক্ষা যেখানে শেখার জন্য শাস্তি-পুরষ্কার পদ্ধতি ব্যবহার করা হয়।

সাইবার নিরাপত্তায় মেশিন লার্নিংয়ের গুরুত্বপূর্ণ ভূমিকার বেশ কয়েকটি ক্ষেত্র রয়েছে । সেগুলোর মধ্যে কয়েকটি হলো:

ক্লাস্টার নমুনা তৈরি করা হচ্ছে

মেশিন লার্নিংয়ের একটি গুরুত্বপূর্ণ ফলাফল হল ক্লাস্টার নমুনা, অথবা ডেটাসেটগুলিকে এমনভাবে ভাগ করা যাতে একই ধরণের নমুনাগুলির নিজস্ব গোষ্ঠী থাকে। মূলত, গোষ্ঠীগুলিকে তাদের বৈশিষ্ট্য অনুসারে পৃথক করা হয় এবং তারপর ক্লাস্টারগুলিতে বরাদ্দ করা হয়। এই ক্লাস্টারগুলিকে পরবর্তীতে বিরতিক্রমে পুনরায় ক্লাস্টার করা হয় যাতে নতুন নমুনাগুলিকে ইনক্রিমেন্টাল ক্লাস্টারিং নামক একটি প্রক্রিয়ায় অন্তর্ভুক্ত করা যায়। এই উদ্দেশ্যে সেন্ট্রয়েড মডেল, ডিস্ট্রিবিউশন মডেল এবং ডেনসিটি মডেলের মতো মেশিন লার্নিং অ্যালগরিদম ব্যবহার করা হয়।

নমুনা সনাক্তকরণ

শ্রেণিবিন্যাস প্রক্রিয়াকে স্বয়ংক্রিয় করতে, উপরে উল্লিখিত ক্লাস্টার স্যাম্পলের মতো বৃহৎ আকারের ডেটা একত্রিত ও বিশ্লেষণ করার জন্য মেশিন লার্নিং ব্যবহার করা হয়। Seqriteএর স্বয়ংক্রিয় ম্যালওয়্যার শ্রেণিবিন্যাস ব্যবস্থা সংগৃহীত প্রাসঙ্গিক তথ্যের মাধ্যমে এই ডেটাকে ক্ষতিকারক বা নিরীহ হিসেবে চিহ্নিত করে। ডেটা মাইনিং-এর এই ব্যাপক প্রক্রিয়ার মাধ্যমে নমুনাগুলোকে সহজেই ক্ষতিকারক বা নিরীহ হিসেবে আলাদা করা যায়, যাকে নমুনা শ্রেণিবিন্যাস বলা হয়।

আরও পড়ুন: উন্নত থ্রেট হান্টিংয়ের জন্য মেশিন লার্নিং পদ্ধতি

একটি স্থাপনযোগ্য সনাক্তকরণ মডেল তৈরি করা

উপরোক্ত দুটি প্রক্রিয়া একটি ডিপ্লোয়েবল ডিটেকশন মডেল তৈরিতে ভূমিকা পালন করে। বিনাইন এবং ম্যালওয়্যার নমুনার সঠিক সেট এবং অনুপাত নির্বাচন করা, নির্বাচিত সেটকে প্রশিক্ষণ দেওয়া এবং পরীক্ষা করা এবং এর জন্য একটি সঠিক অ্যালগরিদম নির্বাচন করা গুরুত্বপূর্ণ। তবে, এগুলি তাৎক্ষণিকভাবে এন্ডপয়েন্টে স্থাপন করা হয় না - আকার, উক্ত মডেল তৈরি করতে প্রয়োজনীয় সময়, একটি নমুনা স্ক্যান করতে মডেলের সময়, মডেলের গুণমান, মিথ্যা পজিটিভ অনুপাত ইত্যাদি পরামিতিগুলির উপর ভিত্তি করে এগুলি বিচার করা হয়। বিস্তৃত পরীক্ষার পরেই কেবল এন্ডপয়েন্ট স্থাপনের জন্য এগুলি বিবেচনা করা যেতে পারে।

প্রাথমিকভাবে প্যাসিভ মোডে কাজ করে এবং সনাক্তকরণ প্যাটার্ন পর্যবেক্ষণ করে, এই মডেলগুলি দ্বারাও সমর্থিত হয় Seqriteএর ক্লাউড নিরাপত্তা প্ল্যাটফর্ম। ক্লাউডের স্বয়ংক্রিয় সিস্টেমগুলো এই প্যাসিভ মডেলগুলো থেকে উৎপন্ন টেলিমেট্রি বিশ্লেষণ করে এবং প্রাপ্ত তথ্যের ভিত্তিতে এই মডেলগুলোকে সক্রিয় করা হতে পারে।

যদিও মেশিন লার্নিং একটি নতুন রোমাঞ্চকর বিনিয়োগের প্রতিনিধিত্ব করে, তবুও এটি গুরুত্বপূর্ণ যে এটি সমস্ত সাইবার নিরাপত্তা সমস্যার সমাধান বলে বিশ্বাস করা গুরুত্বপূর্ণ। সাইবার হুমকির জগৎ ক্রমাগত বিকশিত হচ্ছে এবং কখনও কখনও এমনকি মেশিনগুলিও তাল মিলিয়ে চলতে সক্ষম নাও হতে পারে। মেশিন লার্নিং অ্যালগরিদমের উপর সম্পূর্ণ আস্থা রাখা ভুল ধারণা হবে - এগিয়ে যাওয়ার সর্বোত্তম উপায় হল ডেটা বিজ্ঞান এবং মানব দক্ষতার সাথে সাইবার নিরাপত্তা প্রতিরক্ষাকে শক্তিশালী করার জন্য মেশিন লার্নিং অ্যালগরিদমকে একটি হাতিয়ার হিসাবে ব্যবহার করা।

আপনার ব্যবসার জন্য একজন আইটি নিরাপত্তা অংশীদার হিসেবে, Seqrite উন্নত সাইবার হুমকি থেকে ব্যাপক সুরক্ষা প্রদান করে। আরও জানতে