فريق بحثي مشترك من الجامعة التقنية الجنوبية ، كلية التقنيه ذي قار وجامعة الفرات الأوسط التقنية/ المعهد العالي تقنيات النانوتكنلوجيا (الدراسات العليا) يقومون بنشر بحث علمي في مستوعب IEEE.

الفريق بحثي يتكون من م. م.نور فليح حسن و ايمن سعد عبد الامير

وقد قدم الباحثون في ملخص بحثهم :

يُؤدي النمو السريع لإنترنت الأشياء (IoT) إلى توسيع نطاق الهجمات الإلكترونية وزيادة الحاجة إلى أنظمة فعّالة لكشف الاختراقات في ظل قيود صارمة على الخصوصية والموارد. تعتمد أنظمة كشف الاختراقات التقليدية (IDS) عادةً على جمع البيانات مركزياً، مما قد يُعرّض بيانات المرور الحساسة للخطر، ويزيد من عبء الاتصالات، ويُنشئ نقاط ضعف مركزية. تُقدّم هذه الورقة البحثية نظام كشف اختراقات قائم على التعلّم الموحّد (FL-IDS) يُدرّب شبكة عصبية التفافية (CNN) بشكل تعاوني عبر عملاء إنترنت الأشياء الموزّعين دون مشاركة بيانات المرور الخام. يُجري كل عميل تدريباً محلياً على بياناته الخاصة، ويقوم خادم مركزي بتجميع تحديثات النموذج باستخدام المتوسط ​​الموحّد (FedAvg) لتكوين نموذج شامل. نقوم بتقييم نظام FL-IDS المقترح على مجموعة بيانات Bot-IoT بعد المعالجة المسبقة وموازنة الفئات عبر تقليل حجم العينة. تُظهر النتائج التجريبية أن النموذج العالمي يحقق دقة تصل إلى 98.12% مع دقة واستدعاء ودرجة F1 عالية، وتشير منحنيات التعلم إلى تقارب مستقر عبر مختلف العملاء. تُبرهن الدراسة على جدوى دمج التعلم الموحد مع النماذج العميقة للكشف عن الاختراقات مع الحفاظ على الخصوصية في بيئات إنترنت الأشياء الموزعة، مع تسليط الضوء على القيود الرئيسية وتوجيهات العمل المستقبلي، مثل التقييم في ظل توزيعات عملاء غير متطابقة الهوية وتحليل التكلفة الحسابية.

رابط البحث

DOI: 10.1109/ICECTE69292.2026.11429438

Conference: 2026 5th International Conference on Electrical, Computer & Telecommunication Engineering (ICECTE)