Dr. Mohammad Doostizadeh دکتر محمد دوستی زاده Journal of New Achievements in Electrical,Computer and Technology نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری The Role of Machine Learning in Enhancing Cybersecurity نقش‌های یادگیری ماشین در ارتقای امنیت سایبری FA Arian Dilfanian student آریان دیلفانیان دانشجو armin tahamtan Professor آرمین تهمتن استاد دانشگاه Abstract - With the rapid expansion of digital technologies, social networks, cloud computing, and intelligent systems, cyber threats have increased significantly in both complexity and diversity. Traditional cybersecurity approaches, which are primarily based on static rules and predefined signatures, are no longer sufficient to effectively combat emerging and previously unseen attacks. In this context, machine learning, as a major subfield of artificial intelligence, has played a crucial role in enhancing cybersecurity due to its ability to learn from large-scale data and adapt to evolving threat patterns. This paper presents a comprehensive review of recent research on the applications of machine learning in cybersecurity. The main focus is on areas such as intrusion detection, malware detection, anomaly detection, phishing detection, and financial fraud detection. Furthermore, key challenges are examined, including adversarial attacks against machine learning models, data quality issues, model interpretability, and practical deployment challenges in real-world environments. Finally, future research directions are proposed to support the development of intelligent and resilient security systems چکیده با گسترش سریع فناوری‌های دیجیتال، شبکه‌های اجتماعی، رایانش ابری و سامانه‌های هوشمند، تهدیدات سایبری نیز از نظر پیچیدگی و تنوع به‌طور چشمگیری افزایش یافته‌اند. روش‌های سنتی امنیت سایبری که عمدتاً مبتنی بر قوانین ایستا و امضاهای از پیش تعریف‌شده هستند، توانایی کافی برای مقابله با حملات نوظهور و ناشناخته را ندارند. در این میان، یادگیری ماشین به‌عنوان یکی از زیرشاخه‌های هوش مصنوعی، با قابلیت یادگیری از داده‌های حجیم و تطبیق‌پذیری با الگوهای جدید، نقش مهمی در ارتقای امنیت سایبری ایفا کرده است. این مقاله یک مرور جامع بر پژوهش‌های اخیر در زمینه کاربرد یادگیری ماشین در امنیت سایبری ارائه می‌دهد. تمرکز اصلی بر حوزه‌هایی نظیر تشخیص نفوذ، شناسایی بدافزار، کشف ناهنجاری، تشخیص فیشینگ و تقلب مالی است. همچنین چالش‌های اساسی از جمله حملات خصمانه به مدل‌های یادگیری ماشین، کیفیت داده، تفسیرپذیری مدل‌ها و مشکلات پیاده‌سازی در محیط‌های واقعی مورد بررسی قرار می‌گیرد. در نهایت، مسیرهای پژوهشی آینده برای توسعه سامانه‌های امنیتی هوشمند پیشنهاد می‌شود. Machine Learning Cybersecurity Intrusion Detection Systems Malware Analysis Anomaly Detection Adversarial Machine Learning Phishing Detection Financial Fraud Detection یادگیری ماشین امنیت سایبری تشخیص نفوذ تشخیص بدافزار تشخیص ناهنجاری حملات خصمانه فیشینگ https://jnaect.ir/downloadfilepdf/2353307