نمذجة حركة مرور الشبكات لاكتشاف الأنشطة الشاذة باستخدام GraphSAGE إطار قائم على الرسم العصبي وتحليل الخصائص
DOI:
https://doi.org/10.36602/jsras.2025.2.2.3الكلمات المفتاحية:
كشف التسلل، الشبكات، الأنشطة الشاذة، الأمن السيبراني، التعلم العميق، البيانات البيانيةالملخص
تهدف هذه الدراسة إلى تقديم إطار ذكي قائم على نموذج Graph Sample and Aggregation (GraphSAGE) لتحليل
حركة مرور الشبكات والكشف عن الأنشطة الشاذة بدقة وكفاءة. يشمل الإطار خطوات متقدمة لمعالجة البيانات، اختيار الخصائص الأكثر أهمية، وتقييس القيم، ومعالجة عدم التوازن باستخدام تقنية Synthetic Minority Over-sampling Technique (SMOTE)، مما يعزز جودة البيانات المدخلة للنموذج. تم استخدام مجموعة بيانات UNSW-NB15 لتدريب وتقييم النموذج المقترح، حيث أظهرت النتائج أداءً مرتفعاً تمثل في دقة تصنيف بلغت 89.08%، وقيمة Area Under the Curve -Receiver Operating Characteristic (AUC-ROC).
وصلت إلى 96%، مما يدل على قدرة النموذج على التمييز بفعالية بين الأنشطة العادية والهجمات السيبرانية. كما أظهرت مصفوفة الالتباس ومؤشرات الدقة والاسترجاع توازنًا ملحوظًا في أداء النموذج لكلا الفئتين.
تعكس هذه النتائج الإمكانات الواعدة لاستخدام نماذج الشبكات العصبية البيانية (Graph Neural Networks -GNN) في تطوير أنظمة كشف التسلل الذكية ضمن بيئات الأمن السيبراني.
التنزيلات
