Year: 2024
Type: article
Abstract: لقد تسارع تطوير وتنفيذ أجهزة إنترنت الأشياء (IoT) بشكل كبير في السنوات الأخيرة. ونتيجة لذلك، هناك حاجة إلى شبكة فائقة للتعامل مع كميات هائلة من البيانات التي يتم جمعها ونقلها إلى هذه الأجهزة. تعد تقنية الجيل الخامس (5G) تقنية لاسلكية جديدة وشاملة لديها القدرة على أن تكون التكنولوجيا التمكينية الأساسية لإنترنت الأشياء. يمكن أن يواجه الانتشار السريع لأجهزة إنترنت الأشياء العديد من القيود والمخاوف الأمنية. ونتيجة لذلك، ظهرت مخاطر أمنية وخصوصية جديدة وخطيرة. يستخدم المهاجمون أجهزة إنترنت الأشياء لشن هجمات ضخمة؛ ومن أشهرها هجوم رفض الخدمة الموزع (DDoS). تُظهر الأبحاث أن أساليب التعلم العميق فعالة في تحديد ومنع هجمات رفض الخدمة الموزعة. في هذه الورقة، طبقنا خوارزميتين للتعلم العميق الشبكة العصبية التلافيفية (CNN) والشبكة العصبية الأمامية للتغذية (FNN) في مجموعة بيانات تم تصميمها خصيصًا لأجهزة إنترنت الأشياء داخل شبكات 5G. لقد قمنا ببناء البنية التحتية لشبكة 5G باستخدام OMNeT ++ مع إطاري INET و Simu5G. تشمل مجموعة البيانات كلًا من حركة مرور الشبكة العادية وهجمات DDoS. كانت CNN وFNN دقيقتين للغاية، بنسبة دقة 99%. أثبتت هذه النتائج أنها كافية وتُظهر أن التعلم العميق يمكن أن يحسن حماية أجهزة إنترنت الأشياء في شبكات الجيل الخامس.
DOI: 10.26735/mvmp8068
Authors: Reem Alzhrani, Mohammed Alliheedi
Institution: Al Baha University
Language: English
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4405921422