تصميم متحكم شبكات معرّفة برمجيًا (SDN) قائم على الذكاء الاصطناعي مع الحفاظ على الخصوصية باستخدام التعلم الاتحادي لاكتشاف التسلل

الملخص

إن التطور السريع في تقنيات الشبكات والتزايد المستمر في تعقيد التهديدات السيبرانية قد أكدا الحاجة إلى حلول أمنية ذكية، قابلة للتوسع، ومراعية للخصوصية. تُعد الشبكات المعرفة برمجيًا (SDN) نظامًا يوفر تحكمًا مركزيًا ورؤية شاملة للشبكة، مما يجعلها منصة مناسبة لبناء آليات أمنية متقدمة. ومع ذلك، فإن طرق كشف التسلل التقليدية المعتمدة على SDN غالبًا ما تعتمد على جمع مركزي للبيانات، مما يثير تحديات كبيرة تتعلق بخصوصية البيانات وقابلية التوسع. تقترح هذه الدراسة تصميم متحكم SDN مدعوم بالذكاء الاصطناعي (AI) ومراعٍ للخصوصية باستخدام التعلم الاتحادي (FL) بهدف كشف التسللات بشكل موزع. يتضمن الهيكل المقترح دمج وحدات ذكية داخل متحكم SDN، تشمل نظام كشف التسلل (IDS)، ووحدة تجميع التعلم الاتحادي، ومحرك اتخاذ القرار. يتم تدريب المتحكمات الموزعة على بياناتها المحلية لتوليد نموذج محلي (شبكة عصبية عميقة)، ويتم فقط مشاركة معاملات النموذج مع المتحكم المركزي لدمجها. تم تقييم النموذج باستخدام مجموعة بيانات NSL-KDD، حيث تم تصنيف حركة الشبكة إلى طبيعية وخبيثة. أظهرت النتائج التجريبية أن النموذج المقترح المعتمد على التعلم الاتحادي يمتلك قدرة عالية على الكشف، حيث بلغت الدقة 96%، وتجاوزت قيمة الدقة النوعية (Precision) نسبة 90%، متفوقًا بذلك على النماذج التقليدية غير المعتمدة على التعلم الاتحادي. كما أثبت النظام المقترح كفاءته في الحفاظ على خصوصية البيانات، وتقليل الحمل على قنوات الاتصال، وزيادة قابلية التوسع مع الحفاظ على دقة كشف مرتفعة. وتشير هذه النتائج إلى أن دمج التعلم الاتحادي ضمن متحكم SDN المعتمد على الذكاء الاصطناعي يوفر إطارًا قويًا وفعالًا لتعزيز أمن الشبكات الحديثة.