الماجستير للباحثة خولة عبدالله من كلية الحاسوب وتكنولوجيا المعلومات

نالت الباحثة خولة علي أحمد عبدالله درجة الماجستير من قسم تكنولوجيا المعلومات، تخصص تكنولوجيا المعلومات، كلية الحاسوب وتكنولوجيا المعلومات بجامعة صنعاء، عن رسالتها الموسومة بـ “نموذج متكامل لتعلم الآلة ونظام كشف التسلل لتحسين أمن الحوسبة السحابية” بتاريخ 9 / 8 / 2025م

وتكونت لجنة الحكم والمناقشة من:
– أ.د. شرف الحمدي مشرفًا ورئيسًا
– أ.د. عدنان المتوكل مناقشًا داخليًا ورئيس اللجنة
– أ.د. جميل راشد قايد مناقشًا خارجيًا

وقد هدفت الرسالة إلى تطوير نموذج متكامل للكشف عن التسلل يستند إلى التعلم الآلي لتحسين أمان الحوسبة السحابية، من خلال تحديد الفجوات البحثية، واستخدام خوارزميات التعلم الآلي المناسبة، وتطوير نموذج متكامل يجمع بين خوارزميات التعلم الآلي وطرق اختيار الميزات، وتقييم أدائه باستخدام مجموعات البيانات القياسية، بهدف تحقيق معدل كشف عالٍ ودقة محسّنة ومعدل إنذار كاذب منخفض.

فيما توصلت الرسالة إلى عدد من النتائج منها:
– تحسين الأمن السحابي: دمج أنظمة الكشف عن التسلل (IDS) مع تقنيات التعلم الآلي (ML) يعزز قدرة اكتشاف التهديدات.
– نتائج البحث: استخدام مجموعات بيانات NSL-KDD وUNSW-NB15 يظهر أن النماذج المجمعة (مثل DT+RF+GB وDT+RF+SVM) تتفوق على المصنفات الفردية، مع دقة تصل إلى 100%.
– اختيار الميزات: تقنيات اختيار الميزات القائمة على المعلومات حافظت على دقة عالية وزادت من كفاءة الحوسبة.
– أهمية الاختيار الهجين: النماذج التي تعتمد فقط على ميزات محددة مثل RF أظهرت تراجعًا في الأداء.

وقدمت الباحثة للماجستير في رسالتها عددًا من التوصيات منها:
. أولوية الأساليب المجمعة: استخدم نماذج مثل DT+RF+GB لتحقيق توازن مثالي بين الدقة والمرونة.
. استخدام اختيار الميزات الهجين: دمج الطرق البشرية والإحصائية لتقليل الميزات مع الحفاظ على الدقة.
. تجنب الاعتماد على NB مع ميزات محدودة: الأداء يتدهور مع خيارات ميزات معينة.
. تحسين خصائص مجموعة البيانات: تعديل اختيار الميزات والنماذج حسب خصائص البيانات المستخدمة.
. البحث المستقبلي: استكشاف تقنيات التعلم العميق والهجين على هذه المجموعات، وتقييم إمكانية تطبيقها في سيناريوهات حقيقية.

حضر المناقشة عدد من الأكاديميين والباحثين والطلاب والمهتمين وعدد من زملاء الباحثة وأفراد أسرتها.