Abstract
The digital world is witnessing an unprecedented escalation in the extent and development of cyber attacks, which requires more intelligent security solutions that adapt to the constantly changing technological environment. This research aims to explore the effective role of artificial intelligence technologies, especially machine learning algorithms, in dealing with advanced cyber attacks, such as intelligent phishing attacks, advanced malicious software, and zero-day attacks. The digital world is witnessing an unprecedented escalation in the extent and development of cyber attacks, which requires more intelligent security solutions that adapt to the constantly changing technological environment. This research aims to explore the effective role of artificial intelligence technologies, especially machine learning algorithms, in dealing with advanced cyber attacks, such as attacks on the Day of Zero, intelligent phishing attacks, advanced malware.
The research is based on a comparison method between a variety of smart algorithms used in intrusion detection systems (IDS), such as decision trees, artificial neural networks (ANN), support vectors (SVM), and deep learning algorithms. Estimating the performance of these algorithms according to the criteria of accuracy, detection rate, false alarm rate,
The research is based on a comparison method between a variety of smart algorithms used in intrusion detection systems (IDS), such as decision trees, artificial neural networks (ANN), support vectors (SVM), and deep learning algorithms. Estimating the performance of these algorithms according to the criteria of accuracy, detection rate, false alarm rate,
Keywords
Artificial Intelligence
Artificial Neural Networks.
Cyber Attacks
Intrusion Detection Systems
Machine Learning and Deep Learning
Abstract
يشهد العالم الرقمي تصاعدًا غير مسبوق في مدى وتطور الهجمات السيبرانية، مما يستلزم حلولًا أمنية أكثر ذكاءً وتلاؤمًا مع البيئة التقنية المتغيرة باستمرار. يرمي هذا البحث إلى استكشاف الدور المؤثر لتقنيات الذكاء الاصطناعي، وخاصة خوارزميات التعلم الآلي، في التصدي للهجمات السيبرانية المتقدمة، مثل هجمات التصيد الاحتيالي الذكي، البرمجيات الخبيثة المتطورة، وهجمات يوم الصفر. يشهد العالم الرقمي تصاعدًا غير مسبوق في مدى وتطور الهجمات السيبرانية، مما يستلزم حلولًا أمنية أكثر ذكاءً وتلاؤمًا مع البيئة التقنية المتغيرة باستمرار. يرمي هذا البحث إلى استكشاف الدور المؤثر لتقنيات الذكاء الاصطناعي، وخاصة خوارزميات التعلم الآلي، في التصدي للهجمات السيبرانية المتقدمة، مثل هجمات يوم الصفر ,هجمات التصيد الاحتيالي الذكي، البرمجيات الخبيثة المتطورة،.
يعتمد البحث أسلوب مقارنة بين طائفة من الخوارزميات الذكية المستعملة في أنظمة كشف التسلل (IDS)، على غرار: شجرة القرار، الشبكات العصبونية الاصطناعية (ANN)، دعم المتجهات (SVM)، وخوارزميات التعلم العميق. يجري تقدير أداء تلك الخوارزميات حسب معايير الدقة، معدل الاكتشاف، نسبة التنبيهات الكاذبة، وكفاءة المعالجة الوقتية. يعتمد البحث أسلوب مقارنة بين طائفة من الخوارزميات الذكية المستعملة في أنظمة كشف التسلل (IDS)، على غرار: شجرة القرار، الشبكات العصبونية الاصطناعية (ANN)، دعم المتجهات (SVM)، وخوارزميات التعلم العميق. يجري تقدير أداء تلك الخوارزميات حسب معايير الدقة، معدل الاكتشاف، نسبة التنبيهات الخاطئة، وكفاءة المعالجة الزمنية.
يعتمد البحث أسلوب مقارنة بين طائفة من الخوارزميات الذكية المستعملة في أنظمة كشف التسلل (IDS)، على غرار: شجرة القرار، الشبكات العصبونية الاصطناعية (ANN)، دعم المتجهات (SVM)، وخوارزميات التعلم العميق. يجري تقدير أداء تلك الخوارزميات حسب معايير الدقة، معدل الاكتشاف، نسبة التنبيهات الكاذبة، وكفاءة المعالجة الوقتية. يعتمد البحث أسلوب مقارنة بين طائفة من الخوارزميات الذكية المستعملة في أنظمة كشف التسلل (IDS)، على غرار: شجرة القرار، الشبكات العصبونية الاصطناعية (ANN)، دعم المتجهات (SVM)، وخوارزميات التعلم العميق. يجري تقدير أداء تلك الخوارزميات حسب معايير الدقة، معدل الاكتشاف، نسبة التنبيهات الخاطئة، وكفاءة المعالجة الزمنية.
Keywords
الذكاء الاصطناعي، الهجمات السيبرانية ، أنظمة كشف الاختراق ، التعلم الآلي والتعلم العميق،الشبكات العصبية الاصطناعية