Network Intrusion Detection Using Perceptron and K-Means Clustering

مشروعي يهدف إلى كشف التسلل في الشبكات باستخدام خوارزمية بيرسيبترون (Perceptron) والتجميع العنقودي K-Means لتحليل البيانات وتصنيفها إلى طبيعية أو مشبوهة. يعتمد المشروع على مجموعة بيانات KDD التي تحتوي على سجلات اتصال شبكي.

خطوات التنفيذ

تحميل البيانات

قراءة ملف البيانات باستخدام Pandas.

استخراج الميزات وعلامات التصنيف (عادي أو تسلل).

تقسيم البيانات

تقسيم البيانات إلى 70% للتدريب و30% للاختبار بطريقة متوازنة بين الفئتين.

طباعة عدد السجلات العادية والمشبوهة في كل مجموعة.

تدريب نموذج بيرسيبترون

تدريب النموذج على بيانات التدريب لتصنيف السجلات.

تقييم الأداء على بيانات الاختبار باستخدام مقياس الدقة (Accuracy).

تطبيق خوارزمية K-Means

تطبيق التجميع العنقودي على البيانات بعدد مختلف من العناقيد (k = 2, 3, 4, 5).

حساب نسبة السجلات العادية والمشبوهة داخل كل عنقود.

التقنيات المستخدمة

Python، Pandas لمعالجة البيانات.

Scikit-learn لتقسيم البيانات، تدريب بيرسيبترون، وتطبيق K-Means.

أهمية المشروع

يساعد في تحليل وتحديد الأنشطة المشبوهة داخل الشبكات.

يقدم مقارنة بين التصنيف باستخدام بيرسيبترون والتجميع باستخدام K-Means.

يوضح كيفية التعامل مع بيانات الأمن السيبراني وتوظيف الخوارزميات الذكية لاكتشاف التهديدات.