Search In this Thesis
   Search In this Thesis  
العنوان
Development machine learning techniques to enhance cyber security algorithms /
المؤلف
Amer, Ghada Mohamed.
هيئة الاعداد
باحث / غادة محمد عامر
مشرف / محمد عبدالعظيم محمد
مشرف / إيهاب هاني عبدالحي
مشرف / إبراهيم ياسر عبدالباسط
مناقش / أحمد شعبان مازن سمرة
الموضوع
Computer security. Artificial intelligence. Machine learning.
تاريخ النشر
2022.
عدد الصفحات
online resource (99 pages) :
اللغة
الإنجليزية
الدرجة
ماجستير
التخصص
الهندسة الكهربائية والالكترونية
تاريخ الإجازة
1/1/2022
مكان الإجازة
جامعة المنصورة - كلية الهندسة - قسم الاتصالات والالكترونيات
الفهرس
Only 14 pages are availabe for public view

from 99

from 99

Abstract

”في الوقت الحاضر ، يلعب الأمن السيبراني دورًا مهمًا في مجال تكنولوجيا المعلوما ت (IT) ،حيث تشكل تهديدات الأمن السيبراني مشكلة عالمية متنامية. مع تطور التكنولوجيا ، تتزايد التهديداتالإلكترونية ، حيث أصبح تأمين المعلومات من أكبر التحديات التي تواجه مجتمع المعلومات ، خاصة مع التطورات الأخيرة في مجالات الحوسبة السحابية . يعد رفض الخدمة الموزع (DDoS) أحد أخطر الهجمات التي تواجهها الحوسبة السحابية. يهدف هذا الهجوم إلى جعل الخدمات السحابية غير متاحة للمستخدمين النهائيين من خلال استنفاد موارد النظام ، مما يؤدي إلى خسائر فادحة تشكل تهديدًا للأمن القومي وأصول أمن المعلومات ، وبالتالي جعل تطوير حلول دفاعية ضد مثل هذه الهجمات ضروريًا لتوسيع استخدام تكنولوجيا الحوسبة السحابية . ويُعتبر استخدام التعلم الآلي (ML) إحدى طرق تأمين الحواسبة السحابية. حيث حقق التعلم الآلي (ML) نتائج واع دة في اكتشاف الهجمات الإلكترونية بما في ذلك DDoS عند تطبيقه على أنظمة اكتشاف التسلل السحابي . في هذه الدراسة ، تم بناء النظام المقترح باستخدام Random Forest (RF) كخوارزمية تعلم آلي خاضعة للإشراف ، وهي طريقة تعلم جماعي تعمل من خلال بناء العديد من أشجار القرار في وقت التدريب. حققت التجارب التي تستخدم مجموعات البيانات الأكثر شيوعًا والمعيارية ، NSL-KDD و CICIDS2017 ، دقة كشف بلغت 99.69 ٪ لمجموعة البيانات الأولى و 99.97 ٪ لمجموعة البيانات الثانية ، على التوالي. يعمل النظام المقترح بشكل جيد عند مقارنته بالطرق الأخرى من حيث الدقة ومعدل الكشف ومعدل الإيجابية الخاطئة المنخفضة .”