تعتبر مهمة كشف الشذوذ في حركة مرور الشبكات (Network Traffic Anomaly Detection - NTAD) من المهام الحيوية في مجال أمان المعلومات، حيث إن القدرة على الكشف في الوقت المناسب بدقة عالية تبقى واحدة من أكبر التحديات. في هذا السياق، بدأت تقنية "مامبا" (Mamba) في جذب الانتباه كخيار واعد بسبب قدرتها على معالجة تسلسلات طويلة بكفاءة زمنية خطية.

تقدم "مامبا" آلية مسح متعددة الوجهات لتعزيز دقة الكشف من خلال دمج إشارات سياقية مكملة. ومع ذلك، تم تحديد عيب هيكلي غير مُلاحظ سابقًا في آلية مسح مامبا المتعددة الوجهات، وهو تراكم المعلومات المتكررة. فمن خلال الاعتماد على فروع مسح متنوعة، يتم التقاط معلومات لا تتأثر بالرؤية بشكل كبير، مما يؤدي إلى تضخيم هذه المعلومات خلال عملية الدمج، في حين يتم تخفيف أو حتى قمع المعلومات الخاصة بالرؤية.

لمعالجة هذه المشكلة، تم اقتراح "ديسن مامبا" (DisenMamba)، وهو إطار عمل جديد يعمل على فض التشابك في عملية المسح المتعدد. تقوم ديسن مامبا بإعادة صياغة عملية المسح على مرحلتين: مرحلة فض التشابك، تليها مرحلة الدمج، مما يضمن فصل المكونات غير المتغيرة عن تلك الخاصة بالرؤية قبل عملية الدمج. يهدف هذا التصميم إلى منع تراكم المعلومات غير المتغيرة، مع الحفاظ على الإشارات المتعددة الوجهات المكملة، مما يوفر تمثيلات أكثر تميزًا للكشف عن الشذوذات الدقيقة في حركة المرور.

أظهرت التجارب الشاملة فعالية ديسن مامبا، مما يسجل تغييرات نوعية في نموذج آلية المسح المتعدد، حيث إن الشيفرة متاحة للاستخدام على GitHub. ما رأيكم في هذا التطور الرائع في تقنية كشف الشذوذ؟ شاركونا آراءكم في التعليقات!