نموذج هجين للكشف عن الاختراقات في شبكات الحوسبة السحابية باستخدام تقنيات الذكاء الصنعي

المؤلفون

  • فادي غصنه أستاذ في قسم هندسة تكنولوجيا الاتصالات- كلية هندسة تكنولوجيا المعلومات والاتصالات – جامعة طرطوس- سوريا
  • ناجي محمد قسم هندسة تكنولوجيا الاتصالات – كلية هندسة تكنولوجيا المعلومات والاتصالات – جامعة طرطوس- سوريا
  • رنيم يونس قسم هندسة تكنولوجيا الاتصالات- كلية هندسة تكنولوجيا المعلومات والاتصالات-جامعة طرطوس-سوريا

الكلمات المفتاحية:

حوسبة سحابية- أمن – تعلم عميق– شبكات عصبونية عميقة - تشفير تلقائي

الملخص

مع التطور السريع لتقنية الحوسبة السحابية، والتي سمحت بربط العديد من الأجهزة الذكية، تخزين وتبادل البيانات بين الأنظمة بسهولة أكبر، وتمكين الاستفادة من الخدمات بسعر أقل. إلا انه في نفس الوقت زاد عدد الهجمات والتهديدات على شبكات الحوسبة السحابية ولم تعد الحلول التقليدية مجدية في حماية البيانات والكشف عن التهديدات أو منعها في الوقت الحقيقي بما في ذلك أنظمة كشف التسلل. ومن هنا أتت أهمية دخول تقنيات الذكاء الصنعي على هذه الأنظمة حيث تم تطوير طرق متقدمة تهدف إلى زيادة أداء أنظمة كشف التهديدات مثل تقنيات تعلم الآلة أو التعلم العميق.

أجرينا في هذه البحث دراسة إحصائية على قاعدة

مع التطور السريع لتقنية الحوسبة السحابية، والتي سمحت بربط العديد من الأجهزة الذكية، تخزين وتبادل البيانات بين الأنظمة بسهولة أكبر، وتمكين الاستفادة من الخدمات بسعر أقل. إلا انه في نفس الوقت زاد عدد الهجمات والتهديدات على شبكات الحوسبة السحابية ولم تعد الحلول التقليدية مجدية في حماية البيانات والكشف عن التهديدات أو منعها في الوقت الحقيقي بما في ذلك أنظمة كشف التسلل. ومن هنا أتت أهمية دخول تقنيات الذكاء الصنعي على هذه الأنظمة حيث تم تطوير طرق متقدمة تهدف إلى زيادة أداء أنظمة كشف التهديدات مثل تقنيات تعلم الآلة أو التعلم العميق.

أجرينا في هذه البحث دراسة إحصائية على قاعدة بيانات CIC-IDS والتي كشفت عن عدة خصائص مهمة لسلوك حركة مرور الشبكة، إضافة إلى خصائص بررت استخدام تقنية التشفير التلقائي (AE: Auto Encoder) كمرحلة مهمة في عملية تصنيف الهجوم. بعد الدراسة الإحصائية تم اختبار خوارزمية الشبكة العصبونية العميقة (DNN: Deep Neural Network) في كشف الهجمات حيث أظهرت النتائج أنها كانت قادرة فقط على تمييز حركة البيانات الطبيعية ولكنها لم تكشف أنواع الهجوم الموجودة ضمن قاعدة البيانات، ولهذا تم اقتراح نظام هجين يتكون من تقنية التشفير التلقائي (AE: Auto Encoder) كمرحلة أولى والذي يعمل على استخراج الميزات المهمة وتقليل الأبعاد بين البيانات وكشف الحالات الشاذة من خلال تدريبه فقط على البيانات الطبيعية وخرج هذه التقنية يكون دخل لخوارزمية DNN والتي بدورها تستخدم لتصنيف حركة البيانات. أظهرت النتائج أن النموذج الهجين أعطى أداء عال في قدرته على تصنيف أنواع الهجمات والذي بدوره يؤدي إلى تحسين أنظمة الكشف عن التسلل.

بيانات CIC-IDS والتي كشفت عن عدة خصائص مهمة لسلوك حركة مرور الشبكة، إضافة إلى خصائص بررت استخدام تقنية التشفير التلقائي (AE: Auto Encoder) كمرحلة مهمة في عملية تصنيف الهجوم. بعد الدراسة الإحصائية تم اختبار خوارزمية الشبكة العصبونية العميقة (DNN: Deep Neural Network) في كشف الهجمات حيث أظهرت النتائج أنها كانت قادرة فقط على تمييز حركة البيانات الطبيعية ولكنها لم تكشف أنواع الهجوم الموجودة ضمن قاعدة البيانات، ولهذا تم اقتراح نظام هجين يتكون من تقنية التشفير التلقائي (AE: Auto Encoder) كمرحلة أولى والذي يعمل على استخراج الميزات المهمة وتقليل الأبعاد بين البيانات وكشف الحالات الشاذة من خلال تدريبه فقط على البيانات الطبيعية وخرج هذه التقنية يكون دخل لخوارزمية DNN والتي بدورها تستخدم لتصنيف حركة البيانات. أظهرت النتائج أن النموذج الهجين أعطى أداء عال في قدرته على تصنيف أنواع الهجمات والذي بدوره يؤدي إلى تحسين أنظمة الكشف عن التسلل.

التنزيلات

منشور

2026-10-29