دراسة تأثير استخلاص الميزات باستخدام نهج التعلم الجماعي للكشف عن هجمات الأمن السيبراني

الملخص

أصبح الأمن السيبراني من المجالات البالغة الأهمية في العصر الرقمي، حيث يؤدي الاعتماد المتزايد على الأنظمة القائمة على الانترنت وانتشار أجهزة انترنت الأشياء (IOT) إلى تعريض الأفراد والمؤسسات للهجمات الإلكترونية . تجاوز ظهور الهجمات الإلكترونية المتطورة تدابير الأمن التقليدية مما يجعل من الضروري تطوير أدوات متقدمة للكشف عن هذه التهديدات والتخفيف عنها. في الوقت الحالي يتم استخدام الأنظمة الخبيرة وخوارزميات التعلم الآلي على نطاق واسع في مجال كشف الاختراقات على الشبكة.

في هذا البحث تم كشف هجمات الأمن السيبراني الممندرجة ضمن قاعدة البيانات CSE-CIC-IDS2018 باستخدام النهج الجماعي في عملية استخلاص الميزات و باستخدام أربع خوارزميات تصنيف وهي Desion Tree(DT) و Random Forest (RF)  و Naïve Bayes (NB) و Regression Linear(RL)  ،توصل البحث إلى أن استخدام النهج الجماعي أعطى أفضل قيم من أجل مقاييس الأداء Auc و F1-Score   بدلا من استخدام تقنية استخلاص واحدة ، كما أعطت خوارزمية التصنيف RF أعلى القيم بالمقارنة مع خوارزميات التصنيف المستخدمة الأخرى وتقنيات استخلاص الميزات المفردة المستخدمة في الدراسات السابقة.