通过基于 AI 的异常检测提升云平台的软件安全性与可靠性
软件工程
2025-05-05 v1 人工智能
机器学习
摘要
持续集成/持续部署（CI/CD）是高级软件开发的基础，支持将代码变更更快、更高效地交付到云环境中。然而，CI/CD 流水线中的安全问题仍具挑战性，且云环境中不断发生安全事件（如 DDoS、Bot、Log4j 等）。尽管大量文献讨论了静态安全测试和 CI/CD 实践，但仅有少数研究涉及网络流量模式分析以检测不同网络攻击。本研究旨在通过引入人工智能（AI）支持实现异常检测，从而增强 CI/CD 流水线安全性。目标是从流水线和云平台的网络流量模式中识别异常行为或偏差。该系统将集成至工作流中，以持续监控流水线活动和云基础设施。此外，本研究还旨在探索自适应响应机制，以缓解检测到的异常或安全威胁。本研究采用了两个流行的网络流量数据集 CSE-CIC-IDS2018 和 CSE-CIC-IDS2017。我们结合卷积神经网络（CNN）与长短期记忆网络（LSTM）来检测异常流量模式。我们分别实现了 98.69% 和 98.30% 的准确率，并在 CI/CD 流水线的不同阶段生成了模拟受影响网络异常的日志文件，以应对现代 DevOps 实践中的安全挑战，助力提升软件安全性与可靠性。
关键词
引用
@article{arxiv.2411.09200,
title = {Advancing Software Security and Reliability in Cloud Platforms through AI-based Anomaly Detection},
author = {Sabbir M. Saleh and Ibrahim Mohammed Sayem and Nazim Madhavji and John Steinbacher},
journal= {arXiv preprint arXiv:2411.09200},
year = {2025}
}
备注
10 pages