تفاصيل الوثيقة

نوع الوثيقة : رسالة جامعية 
عنوان الوثيقة :
نموذج الشبكة العصبية ذو التصنيف المتعدد للاكتشاف السريع لهجمات بوت نت إنترنت الأشياء
A MULTI-CLASS NEURAL NETWORK MODEL FOR RAPID DETECTION OF IOT BOTNET ATTACKS
 
الموضوع : كلية الحاسبات وتقنية المعلومات 
لغة الوثيقة : العربية 
المستخلص : إن العدد الهائل من أجهزة إنترنت الأشياء (IoT) واستخدامنا لها على نطاق واسع جعل حياتنا أكثر قابلية للإدارة. إلا أن قابلية هذه الأجهزة للانتهاك الأمني يعني أن وجودنا اليومي محاط بالفعل بأجهزة خطرة؛ إذ أنها تسهل على مجرمي الإنترنت شن هجمات مختلفة بواسطة شبكات الروبوت واسعة النطاق (Botnet) من خلال إنترنت الأشياء. تتفاقم هذه المشكلة بسبب قيود إنترنت الأشياء على التقنيات الأمنية بسبب محدودية مواردها بما في ذلك وحدات المعالجة المركزية (CPU) والذاكرة واستهلاك الطاقة. بالنظر إلى هذه الإشكاليات، نقترح نموذجًا خفيف الوزن يعتمد على الشبكة العصبية لاكتشاف هجمات بوت نت إنترنت الأشياء بسرعة. تم تطوير النموذج باستخدام خوارزمية FastGRNN وهي نسخة خفيفة الوزن وسريعة من الشبكة العصبية المتكررة. بالإضافة إلى ذلك، فإن النموذج مستقل ولا يتطلب معدات أو أدوات خارجية لجلب الميزات المطلوبة لعمليات التعلم والكشف. حيث أنه يعتمد فقط على بيانات حزم الشبكة لإكمال عمليتي التعلم والكشف. علاوة على ذلك، يوفر النموذج تصنيفًا متعددًا، وهو أمر ضروري لفهم الهجمات واتخاذ الإجراءات المضادة المناسبة لوقفها. وفقًا للتجارب التي تم إجراؤها، فإن النموذج المقترح دقيق وحقق 99.99٪ و 99.04٪ كدرجة F1 لمجموعتي البيانات المعيارية MedBIoT و Mirai-RGU، بالإضافة إلى استيفاء قيود إنترنت الأشياء فيما يتعلق بالتعقيد والسرعة. حيث يُعد أقل تعقيدًا من حيث العمليات الحسابية المطلوبة للتعلم والاكتشاف، كما يوفر اكتشافًا سريعًا متفوقًا على أحدث التقنيات، إذ بلغت سرعة الاكتشاف 1: 5 ونسبة 1: 8 للمجموعتين السابقة. 
المشرف : د. ميسون أبوالخير 
نوع الرسالة : رسالة ماجستير 
سنة النشر : 1442 هـ
2020 م 
المشرف المشارك : د. انتصار الكيال 
تاريخ الاضافة على الموقع : Friday, January 29, 2021 

الباحثون

اسم الباحث (عربي)اسم الباحث (انجليزي)نوع الباحثالمرتبة العلميةالبريد الالكتروني
هيفاء محمد الزهرانيAlzahrani, Haifaa Mohammedباحثماجستير 

الملفات

اسم الملفالنوعالوصف
 46873.pdf pdf 

الرجوع إلى صفحة الأبحاث