فريق بحثي من كلية التربية للعلوم الصرفة ينشر بحث علمي في مجلة عالمية رصينة

نشرت التدريسيتان فريق بحثي من كلية التربية للعلوم الصرفة ينشر بحث علمي في مجلة عالمية رصينة

نشرت التدريسيتان الأستاذ المساعد الدكتور أطياف اسماعيل كريم و المدرس سحر محمد جاسم ،من قسم الحاسوب والذكاء الأصطناعي في كلية التربية للعلوم الصرفة بجامعة ديالى، بحثاً علميا بعنوان (
Enhanced SVM and RNN classifier for Cyberattacks Detection in underwater Wireless Sensor Networks )
في مجلة ( International Journal of Safety and Security Engineering ) الصادرة عن دار النشر ( IIETA ) والداخلة ضمن مستوعبات سكوبس بمرتبة ( Q3)

تناول البحث: شبكات الاستشعار اللاسلكية تحت الماء (UWSN) نظرًا لاهمتها وتطويرها في مراقبة المحيطات، ونشر التطبيقات، والرصد البحري. ، تُعدّ هذه الشبكة عرضة لأنواع عديدة من الهجمات الإلكترونية، بما في ذلك الهجمات النشطة، وهجمات Sybil، وهجمات رفض الخدمة (DoS). يُعد هجوم Sybil أحد أخطر الهجمات الإلكترونية، ويُسبب أضرارًا جسيمة للشبكة من بين هجمات أخرى. يقترح هذا البحث نظامًا ذكيًا قائمًا على نماذج تقنيات الكشف عن الهجمات الإلكترونية، يجمع بين تقنيات التعلم العميق والتعلم الآلي لتحديد الهجمات الإلكترونية. بالإضافة إلى ذلك، يُستخدم نهج تقليل الميزات باستخدام أساليب التعلم الآلي، مثل آلة المتجهات الداعمة (SVM) وتحليل المكونات الرئيسية (PCA)، لتحديد السمات الأكثر ارتباطًا بفئات الهجوم المختارة. تُقيّم الدراسة دقة شبكة عصبية متكررة (RNN) مُقترحة، وهي خوارزمية لتصنيف وكشف الاختراقات، تعتمد على التعلم العميق. يحقق النظام المُقترح دقةً تصل إلى 97% بعد تقليل الأبعاد وتحسينها. ستساعد هذه الدراسة على تصميم بروتوكولات التوجيه لتغطية الهجمات الإلكترونية المعروفة، ومساعدة الصناعات على تصنيع أجهزة لرصد هذه الهجمات، مما قد يُقلل من فرص وقوع هجمات محتملة في اتصالات شبكة UWSN.

اظهرت نتائج الدراسة، تقيّم المخاطر الأمنية الحالية في طبقةً الاستشعار اللاسلكية للشبكات تحت الماء. لأهمية هذه الشبكات ودقتها للتقنية المقترحة بإستخدام مجموعة بيانات NSL-KDD كمحور رئيسي لها. بالإضافة إلى ذلك، تم استخدام تحليل المكونات الرئيسية SVM-PCA المقترح لتقنيات التعلم الآلي. كما استُخدم نموذج التعلم العميق لاستخراج ميزات إضافية وتصنيف هجمات RNN. تم استخدام SVM وPCA لقدرتهما على تحمل البيانات المشوشة وتم اختيار الشبكات العصبية المتكررة نظرًا لقدرتها الاستثنائية على تحديد الأنماط في البيانات المتسلسلة، مما يجعلها مثالية لتحديد الشذوذ في حركة مرور الشبكة التي قد تُشير إلى هجوم إلكتروني.

هدف البحث لدراسة كيفية دمج هاتين التقنيتين لإنشاء إطار عمل أمني مُبسط لشبكات UWSN. ولتحسين أمن شبكات UWSN
يسهم هذا البحث في الهدف التاسع من أهداف التنمية المستدامة (الصناعة والابتكار والهياكل الأساسية)، عبر تطوير تقنيات أمنية مبتكرة لتعزيز حماية البنى التحتية الرقمية وشبكات الاتصالات البحرية