تم نشر بحث علمي د وليد العياش و د.عامر عباس ابراهيم د.مروة حسين محمد و م.م. سجى ذياب و م. محمد حسن احمد

بعنوان / 

Assessing LSTM and GRU for Multi-Dataset Intrusion Detection in IoT Environments

الهدف من البحث :

يهدف هذا البحث إلى تقييم كفاءة نماذج التعلم العميق المتكررة، وتحديدًا LSTM وGRU، في كشف التسللات داخل بيئات إنترنت الأشياء (IoT) التي أصبحت أكثر عرضة للهجمات السيبرانية نتيجة التوسع الكبير في أجهزتها وترابطها.

يركز البحث على مقارنة أداء هذين النموذجين باستخدام ثلاث مجموعات بيانات معيارية مختلفة هي: NF-ToN-IoT وUNSW-NB15 وBoT-IoT، بعد إجراء عمليات المعالجة المسبقة عليها. ويهدف ذلك إلى قياس دقة وكفاءة كل نموذج في اكتشاف الأنشطة الخبيثة ضمن سيناريوهات متعددة.

تُظهر نتائج الدراسة أن كلا النموذجين يحققان أداءً عاليًا في كشف التسللات، حيث سجلا دقة تصل إلى 99% في مجموعة BoT-IoT، بينما تفوق نموذج  GRU قليلًا في مجموعة UNSW-NB15، في حين أظهر نموذج LSTM تحسنًا طفيفًا في مجموعة NF-ToN-IoT.

بشكل عام، يهدف البحث إلى إثبات فعالية استخدام نماذج التعلم العميق المتكررة في تعزيز أمن إنترنت الأشياء، وتقديم توصيات عملية لاختيار النموذج الأنسب حسب نوع البيانات، مع الإشارة إلى أهمية التوسع مستقبلًا في استخدام نماذج هجينة وتقنيات أحدث مثل المحولات (Transformers).

تم نشرة في مجلة علمية باسم:  STATISTICS, OPTIMIZATION AND INFORMATION COMPUTING  

وهي مجله من تصنيف Q2  Scopus

كل التوفيق اساتذتنا المبدعين