Advanced Detection of IoT Malware Using Deep Learning Techniques on TON_IoT Network Traffic

الملخص

يُعدّ اكتشاف البرمجيات الخبيثة في أجهزة إنترنت الأشياء من المهام الصعبة، لا سيما عند الحاجة إلى تطوير حلول تعمل بكفاءة ضمن القدرة الحسابية المحدودة لهذه الأجهزة. يتميز التعلم العميق بقدرته على استخراج الميزات بدقة عالية، غير أنه يستلزم موارد حسابية كبيرة. في المقابل، تتسم خوارزميات التعزيز التدريجي وغيرها من أساليب التعلم الآلي التقليدية بسرعة التدريب والاستدلال، إلا أنها قد تقل دقةً عن التعلم العميق. تشير نتائج الأدبيات العلمية إلى أن الشبكات العصبية المعقدة المدمجة بآليات الانتباه والوصلات المتبقية يمكنها بلوغ دقة أساليب التجميع. تقيّم هذه الدراسة عدة معماريات للشبكات العصبية العميقة باستخدام مجموعة بيانات TON_IoT المكوّنة من 211,043 عينة لحركة مرور الشبكة موزعة على 10 أنواع من الهجمات. حقق نموذج MLP-4Layers+Attention أعلى دقة بلغت 94.816%، مع معامل F1 مقداره 0.9479 ومساحة تحت المنحنى AUC بلغت 0.9972. تُثبت هذه النتائج إمكانية تصميم شبكات عصبية تحقق دقة مماثلة لأساليب التجميع مع قدرتها على العمل في بيئات إنترنت الأشياء ذات الموارد المحدودة، مما يوفر توجيهات عملية لتطبيقات أمن إنترنت الأشياء.