دراسة استقصائية لمجموعات البيانات المستخدمة حاليا ضمن أنظمة كشف الاقتحام المستندة الى تقنيات تعلم الآلة
| Autor: | Ammar Moustafa, Mohammed Hejazieh |
|---|---|
| Jazyk: | Arabic<br />English |
| Rok vydání: | 2022 |
| Předmět: |
أنظمة كشف الاقتحام، تعلم الآلة، الهجوم السيبراني، مجموعة البيانات UNSW-NB15، مجموعة البيانات CICIDS2018، مجموعة البيانات CICIDS2017، مجموعة البيانات DARPA، مجموعة البيانات UNSW-NB15، مجموعة البيانات NSL-KDD، مجموعة البيانات KDD’99، مجموعة البيانات ADFA-IDS
Engineering (General). Civil engineering (General) TA1-2040 Education |
| Zdroj: | مجلة جامعة تشرين للبحوث والدراسات العلمية- سلسلة العلوم الهندسية, Vol 44, Iss 5 (2022) |
| Druh dokumentu: | article |
| ISSN: | 2079-3081 2663-4279 |
| Popis: | تتسبب الهجمات الإلكترونية في العصر الرقمي الراهن في فقدان البيانات الحساسة وخسارة مالية فادحة للمؤسسات والدول. لذلك، فإن دور خبير الأمن السيبراني مهم جدًا لحماية البيانات من الهجمات المتزايدة والجديدة. يركز الباحثون على نظم اكتشاف الاقتحام القائم على الشذوذ لاكتشاف تلك الهجمات الغير المعروفة وتلعب خوارزميات التعلم الآلي دورًا حيويًا في هذه العملية لأنها تكتشف الهجمات بدقة. تعاني مجموعات البيانات المستخدمة حاليا في أنظمة كشف الاقتحام نقصًا واضحًا في تهديدات الشبكة الحقيقية، وتمثيل الهجوم، وتتضمن عددًا كبيرًا من التهديدات المهجورة، والتي تحد من دقة الاكتشاف ضمن مناهج أنظمة كشف الاقتحام الحالية لتعلم الآلة، مما يجعلها غير قادرة على مواكبة الهجمات المتزايدة والجديدة في البيئات السحابية والحاويات البرمجية. تهدف هذه الورقة البحثية الى الجمع بين التصنيف وتحليل مجموعات البيانات الحالية من أجل تحسين إنشاء مجموعات بيانات جديدة مستقبلية تحاكي الواقع الفعلي لبيانات الشبكة الحقيقية. مما سيؤدي ذلك إلى تحسين كفاءة الجيل القادم من أنظمة كشف الاقتحام ويعكس تهديدات الشبكة بشكل أكثر دقة. |
| Databáze: | Directory of Open Access Journals |
| Externí odkaz: |
|