في عصر تتسارع فيه وتيرة استخدام تقنية الإنترنت الأشياء (IoT) بشكل متصاعد، تستجد تحديات أمنية خطيرة مع دخول عدد هائل من الأجهزة الجديدة إلى الأسواق. تكمن أهمية تحديد الأجهزة في تسهيل آليات الأمان، إذ يعد عاملاً أساسياً في اكتشاف الثغرات والمخاطر التي قد تواجه هذه التكنولوجيا.

قدم الباحثون في دراسة جديدة نشرت في arXiv نظام تعلم آلي شامل يعمل على تحديد أجهزة الإنترنت الأشياء باستخدام الشبكات العصبية طويلة وقصيرة المدى (LSTM). تعتمد هذه الطريقة على معالجة باقات بيانات الشبكة الخام (PCAP) وتحويلها إلى 25 خاصية معززة، لترتيبها بعد ذلك في تسلسلات زمنية باستخدام تقنية النوافذ المنزلقة.

لقد أجريت تجارب شاملة على أطوال التسلسلات، حيث شملت النتائج تحسين الأداء بشكل تدريجي حتى طول 6، لتصل إلى نمط ذي موجات يحقق ذروته عند طول 18. في الاختبار النهائي مع التكوين الأمثل، حقق النموذج دقة تصل إلى 79.85% ودرجة F1 متوسطة تصل إلى 75.70% عبر 27 فئة من الأجهزة.

هذا البحث يُظهر كيف يمكن للاستفادة من خوارزميات LSTM أن تسهم في تعزيز أمان أجهزة الإنترنت الأشياء، مما يجعلها خطوة مهمة نحو بيئة أكثر أمانًا في عالم متصل بشكل متزايد.

ما رأيكم في تطويرات الذكاء الاصطناعي لمحاربة تحديات الأمان في عالم الإنترنت الأشياء؟ شاركونا في التعليقات.