الفهرس 
AbstractOnly 14 pages are availabe for public view
 |  | from | 155 |  |  |
| | | from | 155 | | |
Abstract
توفر هذه الأطروحة معلومات عن الذكاء الاصطناعي والتعلم العميق بالنظر إلى فرع منه وتطبيقها على حياة الإنسان ، وإمكانياتها في المستقبل. تم دمج هذا العلم الآن في كل أداة وأصبح عالميًا. وهذا التوسع يشير إلى عدم وجود حدود للذكاء الاصطناعي. مع انتقال العالم إلى عصر البيانات الضخمة ، أصبح استخدام طريقة الشبكة العصبية التلافيفية لاكتشاف التسلل مفهومًا جديدًا. تقترح هذه الأطروحة نهجًا يجمع بين خوارزميات PCA و SVD والشبكة العصبية التلافيفية. أظهرت نتائج التجارب أن هذا النموذج قد يعزز أداء نظام كشف التسلل ويزيد من دقته ، وأظهرت النتائج أن الدقة آخذة في الارتفاع بينما يتناقص وقت التنفيذ. نظام كشف التطفل (IDS) هو جزء من البرنامج الذي يراقب أي نشاط ضار أو غير مصرح به يمكن أن يضر بسرية النظام أو تكامله أو توفره. يتزايد الطلب على شبكات الكمبيوتر الآمنة والموثوقة جنبًا إلى جنب مع اعتماد مستخدمي الإنترنت. أصبحت أنظمة الكشف عن التطفل ضرورية نتيجة لإمكانية الوصول إلى أدوات آلية فعالة لتنفيذ أنواع مختلفة من هجمات الشبكة. ينقسم النظام المقترح إلى عدة مراحل ، وتشمل هذه المراحل مرحلة ما قبل المعالجة ومرحلة تقليل الميزات ومرحلة التصنيف. تم تقسيم مجموعة البيانات UNSW-NB15 إلى مجموعة التدريب (70٪) ومجموعة الاختبار (30٪) باستخدام التحقق من صحة Hold-out. تم استخدام طريقتين لتقليل الميزة ، PCA و SVD ، سيتم بعد ذلك إدخال البيانات من جميع العمليات السابقة في خطوة التصنيف ، حيث تم اقتراح نموذج CNN-1D من أجل تحسين دقة النظام المقترح مع تقليل وقت التنفيذ ومعدل الخطأ. مرحلة التقييم هي الخطوة الأخيرة عندما يتم تقييم نماذج النظام الموصى به باستخدام مقاييس التقييم المختلفة.