الأبحاث في مجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)
-
تعزيز كشف التسلل: نهج هجين من التعلم الآلي والتعلم العميق
2024 | المؤلف: Muhammad Sajid وآخرون | المجلة: Journal of Cloud Computing Advances Systems and Applications | المجال: شبكات واتصالات الحاسوب (Computer Networks and Communications)تقدم ورقة البحث نموذجًا هجينًا لاكتشاف التسلل (ID) يدمج تقنيات التعلم الآلي (ML) والتعلم العميق (DL) لمعالجة التحديات المتزايدة في أمان الشبكات بسبب الزيادة في حجم البيانات والهجمات المتطورة. يستخدم النموذج تعزيز التدرج المتطرف (XGBoost) والشبكات العصبية التلافيفية (CNN) لاستخراج الميزات، والتي يتم دمجها بعد ذلك مع الشبكات الذاكرة قصيرة وطويلة الأمد (LSTM) للتصنيف. تستخدم…
-
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…
-
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…
-
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…