Performance Evaluation of Machine Learning Algorithms in Detecting Network Intrusion Attacks
Journal of Basic Sciences · 25.03.2026 · 39 (1) · 75-98
DOI: 10.59743/jbs.v39i1.348 ↗Kurz gefasst
Fachartikel in der Zeitschrift Journal of Basic Sciences, online erschienen am 25.03.2026. Verfasst von Nadia Attiya Algaddar und 2 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
تتناول هذه الورقة البحثية كيفية توظيف تقنيات التعلم الآلي في أنظمة كشف التسلل لفرز حركة البيانات الشبكية والكشف التلقائي عن هجمات التسلل. تم تقييم ومقارنة أربع خوارزميات للتعلم الخاضع للإشراف والتحكم، وهي: شجرة القرار (DT)، آلة المتجهات الداعمة (SVM)، خوارزمية أقرب الجيران (KNN)، والانحدار اللوجستي (LR)، باستخدام مجموعة بيانات CICIDS2017 المعيارية. تتضمن هذه المجموعة من البيانات حركة مرور شبكية واقعية تشمل أنشطة المستخدمين المشروعة وأنواعاً مختلفة من الهجمات الإلكترونية. تم تطبيق مسار المعالجة المسبقة على البيانات، حيث تتضمن خطوات المعالجة تنظيف البيانات، وتحليل ارتباط الميزات، وتقليل الأبعاد، ومعالجة عدم توازن الفئات باستخدام نهج هجين يجمع بين تقليل حجم العينة وتقنية زيادة حجم الأقلية الاصطناعية (SMOTE). تم قياس أداء نموذج التصنيف باستخدام معايير أداء مختلفة مثل الدقة، الضبط، الاستدعاء، مقياس F1، مصفوفة الارتباك، ووقت التنفيذ. تشير النتائج إلى أن خوارزمية شجرة القرار (DT) يقدم نتائج أفضل بدقة 99.94%، مما يدل على ملاءمته لأنظمة كشف التسلل (IDSs).
Zitieren
APA
Algaddar, N. A., AlDaeef, M. M., & Klaib, A. A. (2026). Performance Evaluation of Machine Learning Algorithms in Detecting Network Intrusion Attacks. Journal of Basic Sciences, 39(1), 75-98. https://doi.org/10.59743/jbs.v39i1.348
Vancouver
Algaddar NA, AlDaeef MM, Klaib AA. Performance Evaluation of Machine Learning Algorithms in Detecting Network Intrusion Attacks. Journal of Basic Sciences. 2026;39(1):75-98. doi:10.59743/jbs.v39i1.348
BibTeX
@article{Algaddar2026,
author = {Algaddar, Nadia Attiya and AlDaeef, Melad Mohamed and Klaib, Alhadi A.},
title = {Performance Evaluation of Machine Learning Algorithms in Detecting Network Intrusion Attacks},
journal = {Journal of Basic Sciences},
year = {2026},
volume = {39},
number = {1},
pages = {75--98},
doi = {10.59743/jbs.v39i1.348}
}
EUVIMED