في عالم الأمن السيبراني، يعتبر تصنيف الهجمات الإلكترونية أحد التحديات الكبيرة التي تواجه الباحثين والمهندسين. تلعب ميزات البيانات عالية الأبعاد دورًا كبيرًا في تحسين الأنظمة المدعومة بالذكاء الاصطناعي (AI)، لكن استخدامها يتسبب في زيادة تعقيد الحسابات مما يعيق نشرها في البيئات ذات الموارد المحدودة. لذا، جاءت دراستنا لتبحث في تقنيات ضغط الميزات من خلال مقارنة طريقتي تقليل الأبعاد: التحليل الرئيسي (PCA) والتشفير التنبؤي الخطي (LPC).

ركزت الأبحاث على توليد وتقييم تمثيلات ميزات مضغوطة مع أبعاد متفاوتة عبر عدة نماذج تصنيف. أظهرت التحليلات التجريبية أن التحليل الرئيسي (PCA) يحتفظ بالأداء الرفيع في التصنيف حتى تحت ضغط قوي للبيانات، بينما يوفر التشفير التنبؤي الخطي (LPC) تمثيلات تنبؤية تنافسية مع تراجع طفيف في الأداء.

تظهر النتائج أن تحقيق تخفيضات كبيرة في أبعاد الميزات يمكن أن يتم دون تأثير كبير على دقة التصنيف، مما يسلط الضوء على الإمكانيات الكبيرة لضغط الميزات الخفيف في تحليلات الأمن السيبراني. إن استخدام مثل هذه التقنيات يمكن أن يسهل نشر أنظمة أكثر فعالية وبساطة في مواجهة تحديات الهجمات الإلكترونية المتزايدة.