• الرئيسية
  • الأخبار
  • حول
    • حول الكلية
    • كلمة العميد
    • مجلس الكلية
    • الهيكل التنظيمي
  • المعرض
  • المكتبة
  • النشاطات
    • النشاطات
    • المقالات
    • الجوائز
    • براءات الاختراع
    • الورش
    • المؤتمرات
    • الاعلانات
  • الأحداث القادمة
  • الكادر
  • البرنامج الأكاديمي
  • الطلبة
    • بوابة الطالب
    • بوابة الخريجين
    • الطلبة الأوائل
    • قصص نجاح الخريجين
  • مشاريع التخرج
  • المحاضرات
  • الخدمات الإلكترونية
  • English
default image default image default image default image
default image
default image
default image
default image

ينشر مدير مركز المستقبل لتطبيقات الذكاء الاصطناعي بحثاً علمياً حول توظيف التعلم العميق المعزز في كشف الهجمات السيبرانية لشبكات إنترنت الأشياء

15/08/2026
  مشاركة :          
  321

نشر الأستاذ الدكتور مهدي عبادي مانع، مدير مركز المستقبل لتطبيقات الذكاء الاصطناعي في جامعة المستقبل، بحثاً علمياً بعنوان “Proactive Deep Q-Learning Approach for Anomaly Detection in IoT IDSs”، تناول فيه توظيف تقنيات الذكاء الاصطناعي والتعلم المعزز العميق في تطوير أنظمة استباقية لكشف الشذوذ والهجمات السيبرانية في شبكات إنترنت الأشياء (IoT). وجاء البحث ضمن Journal of Intelligent Informatics, Networking, and Cybersecurity (JIINC)، المجلد الثاني، العدد الثاني لعام 2026، وبمشاركة الباحثة Hawraa A. Habeeb من قسم البرمجيات في كلية تكنولوجيا المعلومات بجامعة بابل. وركزت الدراسة على التحديات المتزايدة التي تواجه أنظمة كشف التسلل التقليدية في التعامل مع التدفقات الضخمة والمتنوعة للبيانات الناتجة عن الانتشار المتسارع لأجهزة إنترنت الأشياء، ولا سيما محدودية هذه الأنظمة في تحليل حركة الشبكة بصورة آنية والتعرف الاستباقي على الأنماط غير المعروفة للهجمات. واقترح الباحثان إطاراً أمنياً قائماً على التعلم المعزز العميق (Deep Reinforcement Learning)، من خلال توظيف وكيل Deep Q-Network (DQN) قادر على التكيف ديناميكياً مع التغيرات في أنماط حركة البيانات، بما يتيح اتخاذ قرارات آنية بشأن حركة حزم البيانات، بما في ذلك السماح بمرورها أو حجبها، بالاستناد إلى دالة مكافأة محسّنة تتوافق مع مبادئ هندسة الأمن السيبراني القائمة على الثقة الصفرية (Zero-Trust Architecture). واعتمدت الدراسة على مجموعة بيانات CICIoT2023 المعيارية، إذ خضعت البيانات إلى مراحل متعددة من المعالجة والإعداد، شملت اختيار الخصائص المؤثرة وتقليل الأبعاد باستخدام مفهوم الإنتروبيا، فضلاً عن استخدام تقنية SMOTE لمعالجة عدم التوازن بين الفئات، قبل تدريب النموذج واختباره وفق منهجية تجريبية صارمة. وأظهرت النتائج التجريبية كفاءة عالية للإطار المقترح، إذ حقق دقة بلغت 98.74%، ونسبة Precision بلغت 99.80%، وRecall بنسبة 98.93%، فيما بلغ F1-Score نحو 99.37%، وهي نتائج أظهرت تفوق المنهجية المقترحة على عدد من أساليب التعلم الآلي الحديثة التي تناولتها الدراسات السابقة في هذا المجال. ويعكس هذا البحث توجهات مركز المستقبل لتطبيقات الذكاء الاصطناعي في جامعة المستقبل نحو دعم البحث العلمي المتخصص في مجالات الذكاء الاصطناعي والأمن السيبراني، وتوظيف تقنيات التعلم العميق والتعلم المعزز في معالجة التحديات التقنية المعاصرة، ولا سيما تلك المرتبطة بأمن شبكات إنترنت الأشياء والبنى التحتية الرقمية. كما يمثل نشر هذا البحث إضافة علمية إلى النتاج البحثي لجامعة المستقبل، ويؤكد الحضور المتنامي لباحثيها في المجالات التقنية والبحثية الحديثة، بما ينسجم مع توجهات الجامعة في تعزيز البحث العلمي والابتكار وتوظيف الذكاء الاصطناعي في خدمة التنمية والتحول الرقمي. جامعة المستقبل الأولى على الجامعات الأهلية في العراق
  للاطلاع على البحث وتنزيله

جامعة المستقبل

مؤسسة تعليمية تابعة لوزارة التعليم العالي والبحث العلمي في العراق

روابط مهمة

وزارة التعليم العالي

اللجنة التوجيهية

المدراء

الأكاديميون

الكادر التدريسي

الطلبة

أنظمة الدراسات

عملية التقييم

الهيكل التنظيمي

القواعد واللوائح

معلومات الخريجين

المواقع البحثية

Scopus

Research Gate

Google Scholar

ORCID

Web Of Science

مركز المساعدة

حول الجامعة

الكليات والأقسام

البوبات الألكترونية

دليل الجامعة

تواصل معنا

جامعة المستقبل - جميع الحقوق محفوظة ©2025

  • إعدادات إمكانية الوصول