تقييم أداء نماذج التعلم العميق لتصنيف هجمات الأمن السيبراني في شبكات إنترنت الأشياء

تقدم إنترنت الأشياء (IoT) إمكانيات كبيرة في مجالات متنوعة مثل أتمتة المنازل والرعاية الصحية والصناعة، وغيرها، ولكن بنيتها التحتية، واستخدام الشفرة مفتوحة المصدر، ونقص تحديثات البرمجيات تجعلها عرضة للهجمات السيبرانية التي يمكن أن تهدد الوصول إلى البيانات والخدمات، مما يجعلها هدفًا جذابًا للهاكرز. لقد زادت تعقيدات الهجمات السيبرانية، مما يشكل تهديدًا أكبر للمنظمات العامة والخاصة. قامت هذه الدراسة بتقييم أداء نماذج التعلم العميق لتصنيف هجمات الأمن السيبراني في شبكات إنترنت الأشياء، باستخدام مجموعة بيانات CICIoT2023. تم مقارنة ثلاث هياكل تعتمد على DNN وLSTM وCNN، مع تسليط الضوء على اختلافاتها في الطبقات ووظائف التنشيط. تظهر النتائج أن هيكل CNN تفوق على غيره من حيث الدقة والكفاءة الحاسوبية، بمعدل دقة بلغ 99.10% للتصنيف متعدد الفئات و99.40% للتصنيف الثنائي. كما تم التأكيد على أهمية توحيد البيانات واختيار المعلمات الدقيقة بشكل صحيح. توضح هذه النتائج أن النموذج القائم على CNN يظهر كخيار واعد لاكتشاف التهديدات السيبرانية في بيئات إنترنت الأشياء، مما يدعم أهمية التعلم العميق في أمان شبكات إنترنت الأشياء.