يسر ويشرف الجامعة التخصصية الحديثة بصنعاء أن تعلن عن تحقيق إنجاز بحثي وأكاديمي دولي فريد، تمثل في نشر بحث علمي أصيل ومعنون بـ: “An optimized gradient boosting framework for IoT intrusion detection: a comprehensive evaluation on the CICIoT2023 dataset”

تم النشر في واحدة من أعرق وأهم المجلات العلمية المفتوحة المصدر على مستوى العالم، وهي مجلة Scientific Reports التابعة لدار النشر العالمية العملاقة Springer Nature. وتأتي أهمية هذا الإنجاز كون المجلة مصنفة ضمن مجلات الربع الأول (Q1) في كلا التصنيفين الدوليين الأكثر تأثيراً: تصنيف كلاريفيت Web of Science (WoS) وتصنيف Scopus، بمعامل تأثير بلغ 3.9. ويعكس هذا النشر قدرة الكوادر الأكاديمية في اليمن على الابتكار والمنافسة في المحافل العلمية العالمية.

وقد شارك في إعداد هذا البحث المتقدم فريق بحثي متميز يضم باحثين من الجامعة التخصصية الحديثة وجامعة تعز، إلى جانب باحثين من المملكة الأردنية الهاشمية والمملكة العربية السعودية، مما يجسد روح التعاون الأكاديمي المشترك وتبادل الخبرات بين المؤسسات التعليمية العربية.

🛡️ جوهر الابتكار: تقنيات خوارزمية متقدمة لأمن إنترنت الأشياء (IoT)

يقدم البحث الصادر عن كادر قسم الذكاء الاصطناعي في كلية الهندسة والحوسبة الذكية إطار عمل محسّناً ومبتكراً لكشف التسلل والتهديدات في بيئات إنترنت الأشياء (IoT) باستخدام تقنيات تعزيز التدرج (Gradient Boosting).

وقد تم تقييم هذا الإطار بشكل شامل ودقيق على مجموعة بيانات حديثة ومعقدة هي CICIoT2023، والتي تحاكي سيناريوهات هجمات سيبرانية حقيقية. واعتمد النموذج المطور على حلول برمجية متقدمة تشمل:

• معالجة اختلال البيانات: استخدام تقنية أخذ العينات السفلية الطبقية (Stratified Undersampling) لمعالجة مشكلة اختلال الفئات (Imbalanced Classes) والتي تُعد أكبر تحديات أنظمة كشف التسلل.

• تقليل الأبعاد الحسابية: استخدام تقنية اختيار الميزات القائم على الكسب (Gain-based Feature Selection) لتقليص الأبعاد من 46 ميزة إلى 23 ميزة فقط، مما قلل من التعقيد الحسابي وزمن المعالجة دون التأثير على الكفاءة.

📊 نتائج الأداء البرمجي القياسية للنموذج (XGBoost)

حقق النموذج المطور أرقاماً قياسية في الأداء كالتالي:

• دقة مذهلة: بلغت 99.61% في مهمة الكشف الثنائي (Binary Classification).

• سرعة استجابة فائقة: زمن استدلال (Inference Time) لا يتجاوز 0.355 ميكروثانية لكل عينة، مما يجعله مثالياً للتطبيقات الزمنية الحقيقية (Real-time Applications).

• كفاءة تشغيلية عالية: تحسين زمن التدريب والاستدلال بنسبة تصل إلى 51% دون تأثير يُذكر على دقة النظام الأمني.

يفتح هذا العمل البحثي المبتكر آفاقاً جديدة لتطوير أنظمة حماية أكثر كفاءة للأجهزة المتصلة بالإنترنت، ويؤكد ريادة قسم الذكاء الاصطناعي في كلية الهندسة والحوسبة الذكية بالجامعة التخصصية الحديثة في تقديم حلول رقمية تخدم قطاع التكنولوجيا العالمي.