تطوير موديل للتعلم الآلي (End-to-End ML Pipeline) لاكتشاف هجمات شبكات إنترنت الأشياء (IoT).
تم بناء نماذج تعلم آلي للكشف وتصنيف حركة المرور الضارة على الشبكة مثل هجمات حجب الخدمة الموزعة (DDoS)، وحجب الخدمة (DoS)، وهجمات الاستطلاع (Reconnaissance) باستخدام مجموعة بيانات Bot-IoT.

تم ضمان موثوقية النموذج في البيئات الواقعية من خلال إزالة تسرب البيانات (Data Leakage) واستبعاد الخصائص الحساسة مثل عناوين IP وMAC والطوابع الزمنية.

كما تم تطبيق تقنيات متقدمة في هندسة الخصائص (Feature Engineering)، وتحويل البيانات، ومعالجة القيم الشاذة (Outliers).

تم اختبار نماذج XGBoost وRandom Forest وحققت دقة بلغت 99.71% و99.68% على التوالي.

المهارات المستخدمة:

Python
Pandas
NumPy
Scikit-learn
معالجة البيانات وتجهيزها
تحسين النماذج وتطويرها