تتجه التكنولوجيا الحديثة نحو تحويل وسائل النقل بفضل ما يُعرف بـ "إنترنت المركبات" (Internet of Vehicles - IoV)، الذي يسعى لتحسين السلامة وكفاءة الأداء. ولكن، يترافق هذا التطور مع تحديات أمنية كبيرة، حيث أصبحت شبكات الاتصال المُعتمدة على شبكة التحكم في المناطق (Controller Area Network - CAN) هدفًا سهلاً للهجمات السيبرانية.

في مواجهة هذه التحديات، تم تقديم نموذج DAIRE (الكشف عن الهجمات في IoV في الوقت الحقيقي)، الذي يُعتبر إطار عمل خفيف يعتمد على تقنيات التعلم الآلي لمراقبة وكشف هجمات CAN بشكل فوري. يتم بناء DAIRE على شبكة عصبية اصطناعية خفيفة تتضمن عددًا من الطبقات المُصممة بعناية، حيث يحتوي كل طبقة على Ni = i x c خلايا عصبية، مما يتيح له التعامل مع أنواع متعددة من الهجمات.

ويستخدم DAIRE دالة فقدان متقاطعة قليلة الكثافة (Sparse Categorical Cross-Entropy Loss Function) وأيضا خوارزميات متقدمة لتقليل الفقد، محققًا دقة مذهلة في الكشف عن الهجمات مثل هجمات الحرمان من الخدمة (Denial-of-Service) والاحتيال (Spoofing). وقد أظهرت الاختبارات على مجموعتي بيانات CICIoV2024 و Car-Hacking أن DAIRE قد حقق معدل كشف متوسط بلغ 99.88%، مع نسبة إيجابية خاطئة لا تتجاوز 0.02%، ودقة كلية تبلغ 99.96%.

كما أن DAIRE يتفوق على الحلول التقنية الأخرى من حيث سرعة الاستجابة، حيث يستغرق زمن التصنيف فقط 0.03 مللي ثانية لكل عينة.

إن نتائج DAIRE تُبرز فعالية النموذج في مجال أمن المركبات، مما يمهد الطريق لاستخدامه في تطبيقات حقيقية، لكنه يتطلب أيضًا الانتباه والبحث الدائم لضمان أمان الأنظمة في المستقبل.