A A Comparative Study on Standard Datasets for Intrusion Detection in Internet of Things Networks
Year: 2024
Type: article
Abstract: ي السنوات الأخيرة، ساهم الانتشار الواسع لتطبيقات انترنت الأشياء Internet of Things (IoT) في تطوير المدن الذكية، ولكن مع نمو شبكات المدن الذكية، يزداد خطر تهديدات وهجمات الأمن السيبراني. وعلى الرغم من انتشار العديد من أليات الأمان من تقنيات التشفير وجدران الحماية، إلّا أنه من المستحيل تجنب الهجمات المختلفة على شبكات إنترنت الأشياء. ولمعالجة هذه المشكلة، تم استخدام التعلم الآلي كأداة فعالة للكشف عن الهجمات. وهذا يتم من خلال تطبيق عدد من خوارزميات التصنيف الخاضعة للإشراف على مجموعة البيانات Dataset. تستعرض هذه الدراسة بعض مجموعات البيانات الشائعة لكشف التسلل إلى الشبكات بشكل عام وشبكات إنترنت الأشياء بشكل خاص، وأهمها: KDD Cup '99، Kyoto2006+، NSL-KDD، UNSW-NB15، CIC-IDS 2017، CSE-CIC-IDS 2018. بالإضافة إلى المقارنة بينها بناءً على عدد الميزات في كل منها، وجود هجمات حديثة، عدد السجلات الكلي وعدد فئات الهجوم. وفي اخر هذه الورقة تم استعراض أهم الدراسات السابقة التي تناولت تطبيق بعض خوارزميات التعلم الآلي على مجموعة بيانات قيد الدراسة وتلخيص مؤشرات الأداء والتي من ضمنها الدقة وزمن التدريب للخوارزميات.
Institution: Wadi Alshatti University
Language: Arabic
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7216095354
