الفهرس 
CHAPTER 1Only 14 pages are availabe for public view
 |  | from | 74 |  |  |
| | | from | 74 | | |
Abstract
إنترنت الأشياء (IoT) هو نظام معقد يربط جميع الأجهزة الإلكترونية بالإنترنت بحيث يمكنهم التفاعل مع بعضهم البعض عبر العديد من البروتوكولات. في هذا النهج ، يمكن لأي شخص الوصول إلى أي شيء في أي مكان وفي أي وقت. ومع ذلك ، ظهر عدد من المشكلات أثناء تطوير تطبيقات إنترنت الأشياء ، بما في ذلك الأمان والتوافق والاتصال والتحليل الذكي والمعايير.تستخدم شبكات إنترنت الأشياء بروتوكولات مختلفة مثل IPv6 عبر شبكة المنطقة الشخصية اللاسلكية منخفضة الطاقة (6LoWPAN) ، وبروتوكول توجيه IPv6 للشبكات منخفضة الطاقة والفاقدية (RPL) ، و IEEE 802.15.4 WPAN ، وبروتوكول التطبيق المقيد (CoAP).في هذه الرسالة ، نقترح إطار عمل حماية شبكة انترنت الأشياء بإستخدام التعلم العميق Deep Learning فى إنشاء نظام إكتشاف الدخلاء IDS. يمكن استخدام إطار العمل هذا في بيئة انترنت الأشياء لحماية أجهزة الاستشعار وكافة الجهزة الأخرى المستخدمة واكتشاف اى محاولة لإختراق الشبكة او عمل هجوم حجب الخدمة DoS attack وتم اختصار اسم الإطار الى PCA-LSTM-IDS. وهي تتألف من طبقتين رئيسيتين وهما طبقة استخراج واختيار الخصائص التى تعبر عن الداتا بإستحدام PCA و الطبقة الاخرى هى طبقة الذكاء الاصطناعي باستخدام التعلم العميق بتقنية LSTM. تقدم PCA طريقتين منفصلتين لاستخراج الميزات والتباين الموضح وعدد المكونات. يشير التباين الموضح إلى الحصول على جميع الخصائص التي تمثل جميع البيانات وإزالة الميزات المتداخلة. الذاكرة طويلة المدى LSTM هي نوع متقدم من RNN والتي تتضمن بنية خلية مختلفة تحتوي على حالة خلية. البوابات الثلاثة التي تتكون منها الخلايا العصبية LSTM هي بوابة النسيان وبوابة الإدخال وبوابة الإخراج. يتم تقييم أهمية المعلومات من خلال بوابة النسيان ، ويتم تحديث حالة الخلية بواسطة بوابة الإدخال ، ويتم حساب قيمة الحالة المخفية بواسطة بوابة الإخراج. يوضح العمل التجريبي أن PCA-LSTM-IDS يحقق أعلى كفاءة ودقة تصل الى 90% ووقت يصل الى 4.5 ثانية من معظم الطرق والأنظمة الآخرى.