ناقشت الباحثة نعمة محمد خليل الطالبة في برنامج الماجستير في أمن المعلومات الالكتروني رسالتها الموسومة ب: "نظام كشف التسلل للبيئة السحابية باستخدام خوارزميات تعلم الآلة."
"Intrusion Detection System for Cloud Environment Using Machine Learning".
قام الباحث بإنشاء أنواع مختلفة من هجمة منع الخدمة و تطبيق خوارزميات معدلة على البيانات بعد حساب المميزات الإحصائية بالاعتماد على الفرق الزمني بين الحمولات المارة عبر القناة المشفرة، واختبار أنواع متعددة من الخوارزميات التقليدية وأخرى عميقة التعلم من اجل فحص كفاءتها بتمييز أربعة انواع من الهجمات، ومن اجل تحسين دقة الكشف تم حساب Inter arrival time وهي فرق التوقيت الزمني بين كل حمولتين متتاليتين، ثم تم جمع كل ثمانية حمولات في قناة واحده وتم حساب المميزات الاحصائية لكل قناة Min , max, standard deviation, mean, median, entropy وبناء على المميزات الاحصائية تم عمل labelled لكل قناة وجمع هذه الانواع في ملف csv واحد ليتم معالجتها رياضيا و تطبيق خوارميات التعلم العميق و الخوارزميات التقليدية.
أكدت النتائج التجريبية أن خوارزمية RNN_SMOTE قد أثبتت كفاءتها بكشف أنواع الهجمات المختلفة بنسب عالية، وتتكون هذه الخوارزمية من طبقة إدخال واحدة وثلاث طبقات مخفية وطبقة إخراج واحدة. وحقق النموذج نسبة دقة 86.25% باكتشاف الأنواع الأربعة ولم يواجه صعوبة ب اكتشاف هجمه Smurf في حين أن معظم النماذج واجهت مشكلة في اكتشاف هذه الهجمة؛ ويعود لك إلى أن عددها كان قليل جدا في قاعدة البيانات وبالرغم من تطبيق SMOTE الذي يعمل على نسخ عدد من مشاهدات النوع القليل ليتم مساواته بالأنواع الثانية إلا أن بعض الخوارزميات لم تستطع اكتشافها بكفاءة. عند تطبيق Confusion Matrix على بعض الخوارزميات كانت هجمة Smurf تصنف على انها TCP بالغالب. أيضا تطبيق نموذج Random Forest كان له نسب عالية الدقة، بالإضافة إلى استعمال Grid Search مع بعض الخوارزميات لتحسين دقة الكشف عبر تحديد أفضل المؤشرات.
وأشرف على الرسالة د. فراس مرار، وضمت لجنة الممتحنين كلا من: د. أكرم حمدان و د. مجيد منصور.