الأبحاث في مجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)
-
طريقة موثوقة لتجميع البيانات على الإنترنت الصناعي للأشياء باستخدام خوارزمية تحسين هجينة ودرجة ارتباط الكثافة
2024 | المؤلف: Arash Heidari وآخرون | المجلة: Cluster Computing | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقدم ورقة البحث خوارزمية جديدة لبناء الأشجار الممتدة المثلى في سياق الإنترنت الصناعي للأشياء (IIoT)، مع معالجة التحديات التي تطرحها فشل الأجهزة والتنقل الذي غالبًا ما يعطل أنظمة جمع البيانات. تدمج الطريقة المقترحة خوارزمية مستعمرة النحل الاصطناعية مع عوامل وراثية ودرجة ارتباط الكثافة لإنشاء أشجار ممتدة موثوقة. يتم تقييم ملاءمة هذه الأشجار بناءً على مسافات…
-
MLSTL-WSN: الكشف عن التسلل المعتمد على التعلم الآلي باستخدام SMOTETomek في الشبكات الاستشعارية اللاسلكية
2024 | المؤلف: Md. Alamin Talukder وآخرون | المجلة: International Journal of Information Security | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)في مجال الأنظمة السيبرانية الفيزيائية، تعتبر شبكات الاستشعار اللاسلكية (WSNs) بنى تحتية حيوية، تتكون من مستشعرات ثابتة ومتحركة تنظم نفسها بشكل مستقل لتشكيل روابط اتصال متعددة القفزات. هذه المستشعرات مسؤولة عن استشعار وجمع ومعالجة ونقل البيانات البيئية. ومع ذلك، فإن شبكات الاستشعار اللاسلكية عرضة لهجمات سريعة وضارة يمكن أن تؤثر على وظيفتها. تواجه طرق الكشف…
-
تحسين نظام كشف التسلل لإنترنت الأشياء: اختيار الميزات مقابل استخراج الميزات في التعلم الآلي
2024 | المؤلف: Jing Li وآخرون | المجلة: Journal Of Big Data | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تبحث ورقة البحث في فعالية تقنيات تقليل الميزات—اختيار الميزات (FS) واستخراج الميزات (FE)—في سياق أنظمة كشف التسلل الشبكي (NIDS) لبيئات إنترنت الأشياء (IoT). تستخدم مجموعة بيانات شبكة TON-IoT غير المتجانسة لتقييم أداء هذه التقنيات بناءً على مقاييس مثل الدقة، ودرجة F1، ووقت التشغيل لكل من مهام التصنيف الثنائي ومتعدد الفئات. تشير النتائج إلى أن FE…
-
تحسين أداء أنظمة كشف التسلل من خلال تحليل بيانات UNSW-NB15
2024 | المؤلف: Shweta More وآخرون | المجلة: Algorithms | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)النمو السريع للتقنيات مثل إنترنت الأشياء (IoT) والحوسبة السحابية أدى إلى توليد أكثر من 400 زيتابايت من بيانات حركة المرور الشبكية سنويًا، مما يستدعي تعزيز تدابير الأمن السيبراني لحماية المعلومات الحساسة من الهجمات الإلكترونية. هذه الدراسة تحقق في تطبيق خوارزميات التعلم الآلي لتحسين أداء أنظمة كشف التسلل (IDS). باستخدام مجموعة بيانات UNSW-NB15، تقيم البحث الانحدار…
-
الكشف عن الهجمات الإلكترونية في شبكات الاستشعار اللاسلكية باستخدام تقنية تقليل الميزات الهجينة مع الذكاء الاصطناعي وطرق التعلم الآلي
2024 | المؤلف: Mohamed H. Behiry وآخرون | المجلة: Journal Of Big Data | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقدم هذه الورقة البحثية نموذجًا هجينًا مبتكرًا يدمج التعلم الآلي والذكاء الاصطناعي لتعزيز أمان الشبكات اللاسلكية الاستشعار (WSNs) من خلال تحديد التهديدات السيبرانية والتخفيف منها بشكل فعال. يستخدم النموذج تقنيات تقليل الميزات مثل تحليل القيم الفردية (SVD) وتحليل المكونات الرئيسية (PCA)، إلى جانب نموذج تجميع K-means المعزز بمكاسب المعلومات (KMC-IG) لاستخراج الميزات. لمعالجة عدم توازن…
-
تعزيز أمان WSN-IoT المعتمد على خوارزمية اليراعة مع التعلم الآلي لاكتشاف التسلل
2024 | المؤلف: M. Karthikeyan وآخرون | المجلة: Scientific Reports | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقدم البحث طريقة جديدة للكشف عن التسلل الآلي، تُسمى FA-ML، والتي تدمج خوارزمية اليراعة (FA) مع تقنيات التعلم الآلي لتعزيز الأمان في الشبكات اللاسلكية الاستشعارية (WSN) وأنظمة إنترنت الأشياء (IoT). الهدف الأساسي من هذا النهج هو تحسين تحليل البيانات واتخاذ القرارات من خلال التعاون الفعال بين شبكات WSN وIoT. تستخدم تقنية FA-ML منهجية منهجية تشمل…
-
نهج قائم على الذاكرة القصيرة الأمد للكشف عن الهجمات السيبرانية في إنترنت الأشياء باستخدام مجموعة بيانات CIC-IoT2023
2024 | المؤلف: Akinul Islam Jony وآخرون | المجلة: Journal of Edge Computing | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تتناول ورقة البحث تطبيق شبكات الذاكرة طويلة وقصيرة الأمد (LSTM) لتعزيز الأمان في بيئة إنترنت الأشياء (IoT)، مع معالجة المخاوف المتزايدة بشأن الثغرات الأمنية المرتبطة بأجهزة إنترنت الأشياء. أظهر نموذج الكشف عن التسلل القائم على LSTM أداءً استثنائيًا، حيث حقق معدل دقة قدره 98.75% ودرجة F1 قدرها 98.59% عند تقييمه على مجموعة بيانات CIC-IoT2023 الشاملة،…