المعهد التقني التكنولوجي

نشر التدريسي في قسم تقنيات ميكانيك الانتاج المدرس المساعد وليد جلوب خضير بحثا علميا مشترك بعنوان

Intelligent Detection and Classification of Security Attacks in WSNs Using Deep Learning

البحث تم نشرة في مجلة Journal of Robotics and Control (JRC) وهي من ضمن المجلات المسجلة في قاعدة البيانات سكوباس من الصنف الاول Q1 بـ( سايت سكور)6.5.

تُعدّ شبكات الاستشعار اللاسلكية (WSNs) مكونات أساسية لأنظمة الاتصالات الحديثة، إلا أنها لا تزال عرضة لتهديدات إلكترونية معقدة ومتنوعة. تقترح هذه الورقة البحثية إطار عمل هجينًا يدمج الشبكات التوليدية التنافسية (GANs) والشبكات العصبية المتكررة (RNNs) لمعالجة التحديات الأمنية في شبكات الاستشعار اللاسلكية. تلتقط وحدة RNN التبعيات الزمنية للكشف الدقيق عن الهجمات، بينما تُولّد وحدة GAN عينات اصطناعية للتخفيف من عدم توازن البيانات. يحقق إطار العمل معدل كشف يبلغ 98.47% ودقة 98.79%، متفوقًا بذلك على الطرق التقليدية مثل آلات المتجهات الداعمة، ومصنفات بايز البسيطة، والغابات العشوائية بهامش ذي دلالة إحصائية (p < 0.05). علاوة على ذلك، يحافظ إطار العمل على معدل منخفض للإنذارات الكاذبة بنسبة 2%، مما يضمن الحد الأدنى من التعطيل لعمليات الشبكة المشروعة. تم التحقق من قابلية إطار العمل للتكيف من خلال دراسات حالة على بنى شبكات استشعار لاسلكية غير متجانسة، بما في ذلك شبكات استشعار إنترنت الأشياء منخفضة الطاقة وعمليات النشر الصناعية واسعة النطاق. على وجه التحديد، أثبتت الاختبارات على مجموعتي بيانات CICIDS وUNSW-NB15 فعالية النظام في البيئات الديناميكية التي تتطور فيها أنماط الهجوم في الوقت الفعلي. وقد تأكدت قدرة النظام على الكشف في الوقت الفعلي من خلال تحقيق متوسط زمن استدلال يبلغ 1.25 ثانية لكل تسلسل، مما يجعله مناسبًا للتطبيقات الحساسة للوقت مثل المراقبة العسكرية والأتمتة الصناعية. ولتعزيز مقاومة الهجمات، يدمج النظام تقنيات التدريب على الهجمات، والتنظيم التدرجي، وآليات الكشف عن التشويش، مما يضمن المرونة ضد استراتيجيات الهجوم المراوغة والعينات المعادية. وتُظهر التقييمات التجريبية أن الكشف عن التشويش يقلل من معدلات التهرب من الهجوم بنسبة 36.8%، مما يعزز موثوقية التدابير الأمنية في التطبيقات العملية
انقر هنا لفتح رابط النشر