مع تسارع انتشار خدمة الإنترنت المتصل (IoT)، تزداد التهديدات الأمنية التي تستهدف الأجهزة الذكية وعلاقتها ببعضها البعض. لذا أصبح من الضروري تأمين عملية تقديم الخدمات لضمان وظائف آمنة وموثوقة لهذا النظام البيئي. تُغطي عملية تقديم الخدمات مهاماً رئيسية مثل تسجيل الأجهزة، التهيئة، التوثيق، الترخيص، ونشر البرمجيات، وهي أساسية لتشغيل آمن وسلس للإنترنت المتصل.

يقدم هذا البحث إطار عمل شاملًا يعمل على اختيار الأجهزة الذكية الأكثر ملاءمة لتقديم خدمة مستهدفة ضمن بيئة IoT معينة، مع مراقبة سلوك الكيانات المعنية خلال مرحلة تقديم الخدمة. نستعين في ذلك بأسلوب التعلم العميق المعزز (Deep Reinforcement Learning)، حيث يتعلم وكيل ذكي من خلال التفاعل مع بيئة ديناميكية معقدة كيف يمكنه التكيف مع التغييرات مع الالتزام بقواعد الأمان المحددة.

لتحقيق مراقبة سلوكية فعالة، نعتمد على التعلم الفيدرالي (Federated Learning) لتطوير نموذج توزيع سلوكيات الجملة (Behavioral Fingerprinting) القادر على تحليل طريقة تفاعل الأجهزة الذكية في الشبكة. بالإضافة إلى ذلك، يُستخدم نموذج بصمة السلوك لحساب درجة موثوقية كل مزود خدمات، تعكس مدى التزامه بالقيود الأمنية المحددة. يتم دمج هذه الدرجة في عملية تقديم الخدمة، مما يسمح للأجهزة الذكية باختيار مقدمي الخدمة ليس فقط بناءً على الملاءمة الوظيفية، ولكن أيضًا على مستوى موثوقيتهم.

في النهاية، أجرينا تقييمًا تجريبيًا موسعًا لقياس قوة ومرونة أسلوبنا المقترح. أظهرت النتائج أن الحل يمكن أن يُعتمد عليه في الأجهزة الذكية ذات الموارد المحدودة، مما يجعله آلية فعالة وقابلة للتوسع لتعزيز الأمان في أنظمة الإنترنت المتصل الحديثة.