مراجعة الأدبيات حول اكتشاف الشذوذ باستخدام تقنيات التعلم العميق | ||||
| النشرة المعلوماتية في الحاسبات والمعلومات | ||||
| Volume 7, Issue 2 - Serial Number 20250702, July 2025 PDF (562.27 K) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/fcihib.2025.375295.1144 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
سعد خليفه  1; وائل عباس2; Mohamed marie 3
| ||||
| 1نظم المعلومات , الحاسبات و الذکاء الاصطناعي , حلوان , القاهره ,مصر | ||||
| 2قسم نظم المعلومات، كلية الحاسبات والذكاء الاصطناعي، جامعة حلوان، القاهرة، مصر | ||||
| 3قسم نظم المعلومات، كلية الحاسبات والذكاء الاصطناعي، جامعة حلوان، مصر | ||||
| Abstract | ||||
| يلعب اكتشاف الشذوذ، الذي يتضمن تحديد الأنماط غير المنتظمة التي تنحرف عن السلوك الطبيعي، دورًا حيويًا في مجالات مختلفة مثل الأمن السيبراني والرعاية الصحية والأنظمة المالية وإنترنت الأشياء (IoT). يُعد التعرف على الشذوذ أمرًا أساسيًا للكشف عن مشاكل مثل الأنشطة الاحتيالية أو أعطال النظام أو الاختراقات الأمنية. تُعد الطرق التقليدية لاكتشاف الشذوذ، والتي تعتمد عادةً على التقنيات الإحصائية أو القائمة على العتبات، فعالة للبيانات منخفضة الأبعاد أو الثابتة ولكنها تواجه صعوبة مع مجموعات البيانات عالية الأبعاد والمعقدة والديناميكية. مع زيادة تعقيد البيانات وحجمها، أصبحت تقنيات التعلم الآلي (ML) والتعلم العميق (DL) ضرورية لتعزيز دقة الكشف والقدرة على التكيف. يُعد تحديد الشذوذ في الشبكات مهمًا بشكل خاص لتعزيز الأمن السيبراني، حيث يعمل كنهج استباقي لمنع التهديدات السيبرانية أو الحد منها. مع التقدم السريع في الذكاء الاصطناعي (AI)، تم إنشاء العديد من الأساليب القائمة على التعلم العميق باستخدام أجهزة التشفير التلقائي (AEs) لتحسين أمان الشبكات. ومع ذلك، فإن أداء نماذج AE المتقدمة هذه يختلف على نطاق واسع، وغالبًا ما تفتقر إلى إطار عمل شامل لتقييم مقاييس الأداء الحرجة التي تؤثر على دقة الاكتشاف. | ||||
| Keywords | ||||
| اكتشاف الشذوذ; إنترنت الأشياء; طرق الكشف التقليدية; الذكاء الاصطناعي; التعلم العميق | ||||
| References | ||||
|
| ||||
|
Statistics Article View: 110 PDF Download: 81 |
||||
