Towards an Intelligent Hybrid Intrusion Detection System Using Machine Learning and Large Language Models (LLM)

Mohamed  Hawedi; Ragab  Ihnissi

doi:10.51984/mf3gbx61

المؤلفون

محمد هويدي قسم هندسة البرمجيات، المعهد العالي للعلوم والتكنولوجيا، رغدالين
رجب اهنيسي قسم هندسة البرمجيات، جامعة صبراتة، صبراتة

DOI:

https://doi.org/10.51984/mf3gbx61

الكلمات المفتاحية:

نظام كشف التسلل، التعلم الآلي، نماذج اللغة الضخمة، أمن الشبكات، الكشف الهجين

الملخص

تلعب أنظمة كشف التسلل (IDS) دورًا محوريًا في الأمن السيبراني الحديث، إذ تراقب وتحمي شبكات الحاسوب باستمرار من التهديدات السيبرانية المتطورة والمتزايدة التعقيد. ورغم التقدم الكبير في مجال كشف التسلل، فإن أساليب أنظمة كشف التسلل التقليدية، بما فيها الأساليب القائمة على التوقيعات والأساليب القائمة على التعلم الآلي، غالبًا ما تواجه صعوبة في تحقيق التوازن بين دقة الكشف، وقابلية التكيف، والأداء الفوري في بيئات الشبكات الديناميكية. تقترح هذه الورقة البحثية إطار عمل هجينًا ذكيًا لأنظمة كشف التسلل، يدمج كاشفًا خفيف الوزن قائمًا على التعلم الآلي مع استدلال سياقي قائم على نموذج اللغة الكبير (LLM). يعتمد إطار العمل المقترح استراتيجية كشف ثنائية المراحل. في المرحلة الأولى، يصنف نموذج التعلم الآلي الفعال حسابيًا حركة مرور الشبكة بسرعة، مما يسمح بمعالجة التدفقات عالية الموثوقية فورًا، بينما يُحيل التدفقات المشبوهة أو منخفضة الموثوقية إلى المرحلة الثانية لمزيد من التحليل. في المرحلة الثانية، يدمج نموذج اللغة الكبير المعلومات السياقية ويحللها للتحقق من صحة تنبؤات التعلم الآلي الأولية وتحسينها. وأخيرًا، تقوم آلية اتخاذ القرار الموجهة بالثقة بدمج مخرجات المرحلتين لإنتاج قرار الكشف النهائي عن الاختراق. ويُظهر تقييم أولي أن الإطار المقترح يحسن الاستدعاء عن طريق تقليل النتائج السلبية الخاطئة مع الحفاظ على دقة الكشف الإجمالية العالية والكفاءة الحسابية.