NITAWARE: نظام ذكي لكشف التسلل في إنترنت الأشياء (IDS) باستخدام التعلم العميق و CTGAN

نبذة عن المشروع: مشروع NITAWARE هو إطار عمل متطور (Deep Learning-based IDS) يهدف إلى تأمين بيئات إنترنت الأشياء (IoT) ضد الهجمات السيبرانية الحديثة. يعالج النظام مشكلة محدودية موارد أجهزة IoT وعدم قدرتها على تشغيل برامج الحماية التقليدية، وذلك من خلال مراقبة حركة الشبكة (Network Traffic) وكشف الأنشطة الخبيثة بدقة عالية.

التحدي التقني والحل المبتكر: التحدي الأكبر في بيانات IoT هو عدم توازن البيانات (Imbalanced Data)، حيث تكون الهجمات (مثل DDoS) طاغية عددياً مقارنة بالزيارات الطبيعية، مما يخدع النماذج التقليدية (Accuracy Paradox). لحل ذلك، قمت بتطوير منهجية من 4 مراحل، تتوجت باستخدام الشبكات التوليدية التنافسية المجدولة الشرطية (CTGAN) لتوليد بيانات واقعية ومتوازنة، مما رفع دقة الكشف بشكل كبير مقارنة بالطرق التقليدية مثل SMOTE.

التقنيات والخوارزميات المستخدمة:

المودل الأساسي: 1D-Convolutional Neural Network (1D-CNN) لاستخراج الأنماط المكانية من تدفقات الشبكة.

موازنة البيانات: مقارنة بين تقنية SMOTE وتقنية CTGAN الحديثة لمعالجة انحياز البيانات.

مجموعة البيانات: Bot-IoT Dataset (بيانات واقعية تحاكي هجمات المنازل الذكية).

الأدوات: Python, TensorFlow, Keras, Pandas, NumPy.

أهم النتائج (Performance Metrics):

تحقيق دقة نهائية (Accuracy) بنسبة 94.5% باستخدام نموذج CNN+CTGAN.

حل مشكلة "انهيار الدقة" (Precision Collapse) في تصنيف الزيارات الطبيعية، حيث ارتفعت دقة الـ Benign Precision إلى 0.97 مع Perfect Recall (1.00).

قدرة عالية على اكتشاف هجمات DDoS و Reconnaissance و Theft.