Enhancing the Efficiency of DDoS Attack Detection in IoT Networks Using Machine Learning

الملخص

لقد أحدثت تقنيات الاتصال الحديثة ثورة بفضل إنترنت الأشياء (IoT). ومع ذلك، فإن القدرات الحسابية المحدودة لأجهزة إنترنت الأشياء تجعلها عرضة لهجمات متعددة، بما في ذلك هجمات حجب الخدمة الموزعة (DDoS) التي تؤثر على توفر هذه الأجهزة والخدمات التي تقدمها. تقدم هذه الدراسة نهجًا يعتمد على التعلم الآلي لتعزيز الكشف عن هجمات DDoS في بيئات إنترنت الأشياء. باستخدام مجموعة بيانات CICIoT2023، قمنا بتقييم عدة نماذج للتعلم الآلي، بما في ذلك الغابة العشوائية (Random Forest)، وXGBoost، وشجرة القرار (Decision Tree)، والجار الأقرب (K-Nearest Neighbors). أظهرت النتائج أداءً عالياً في التصنيف عبر جميع النماذج. حقق نموذج XGBoost أعلى دقة بنسبة 99.97% مع وقت تنبؤ بلغ 0.4735 ثانية، بينما حقق نموذج شجرة القرار (Decision Tree) أفضل وقت تنبؤ بلغ 0.1879 ثانية مع دقة عالية بلغت 99.94%، تؤكد هذه النتائج فعالية نماذج التعلم الآلي المقترحة في الكشف عن هجمات DDoS في شبكات إنترنت الأشياء وتعزيز أمن هذه الشبكات.