Key points are not available for this paper at this time.
تقترح هذه الدراسة نموذج المحول الجديد المبني على نموذج شبكة كولموغوروف-أرنولد (TFKAN) لأنظمة كشف التسلل (IDS) في بيئة إنترنت الأشياء. تم تطوير محول TFKAN من خلال تنفيذ طبقات شبكات كولموغوروف-أرنولد (KANs) بدلاً من طبقات الشبكات المتعددة الطبقات (MLP). على عكس طبقة تدفق MLP، لا تتوفر طبقات KAN على أوزان ثابتة بل تستخدم مكونات دالة أحادية متعلمة، مما يتيح تمثيلًا أكثر تشددًا. هذا يعني أن KAN يمكن أن يحقق أداءً قابلاً للمقارنة مع عدد أقل من المعلمات القابلة للتدريب مقارنةً بشبكة MLP أكبر. تم استخدام مجموعات بيانات RT-IoT2022 وIoT23 وCICIoT2023 في عملية التقييم. يتفوق المحول المقترح TFKAN ويحصل على درجات دقة أعلى تصل إلى 99.96٪ و98.43٪ و99.27٪ على مجموعات بيانات RT-IoT2022 وIoT23 وCICIoT2023، على التوالي. تشير النتائج إلى أن المحول المطور باستخدام KAN يظهر أداءً واعدًا في أنظمة كشف التسلل ضمن بيئات إنترنت الأشياء مقارنةً بطبقات MLP. المحولات المستندة إلى KAN هي في المتوسط أخف بنسبة 78٪، من حيث عدد المعلمات، من المحولات التي تستخدم MLP. وهذا يجعل KANs واعدة ليكون بديلاً عن MLPs.
درس فارس وآخرون (جمعة) هذا السؤال.