Feature-Selected Machine Learning for 5G Intrusion Detection: Leakage-Aware Evaluation and Sensitivity to Sequence Metadata in 5G-NIDD

Abraheem Abraheem; Ali Arhoumah; Hamza Fokla; Majeda Basheer

doi:10.63318/waujpasv4i2_14

المؤلفون

إبراهيم إبراهيم المركز الليبي للدراسات والبحوث في علوم وتكنولوجيا البيئة، براك الشاطئ، ليبيا https://orcid.org/0009-0001-3042-4395
علي أرحومة قسم التقنيات الكهربائية والإلكترونية، المعهد العالي للعلوم والتقنية، تمنهنت الشاطئ، ليبيا https://orcid.org/0009-0009-6470-3278
حمزة فوكلا قسم الهندسة الكهربائية والإلكترونية، كلية الهندسة، جامعة وادي الشاطئ، يراك، ليبيا https://orcid.org/0009-0005-4265-4699
ماجدة بشير قسم الهندسة الكهربائية والإلكترونية، كلية الهندسة، جامعة وادي الشاطئ، يراك، ليبيا https://orcid.org/0009-0000-7478-175X

DOI:

https://doi.org/10.63318/waujpasv4i2_14

الكلمات المفتاحية:

شبكات الجيل الخامس، كشف التسلل، اختيار الخصائص، تسرب البيانات، الغابة العشوائية، XGBoos، البيانات الوصفية التسلسلية

الملخص

تُشكّل شبكات الجيل الخامس سطح هجوم متعدد الأبعاد وقائمًا بدرجة كبيرة على البرمجيات، مما يستلزم اتباع منهجية منظّمة وقابلة لإعادة الإنتاج لتقييم أنظمة كشف التسلل، بالاعتماد على بيانات حركة مرور جُمعت من بيئات جيل خامس حقيقية. تبحث هذه الدراسة في الكشف الثنائي عن التسلل باستخدام ملف Combined.csv الكامل من مجموعة بيانات 5G-NIDD، الذي تم الحصول عليه من توزيعه الرسمي عبر منصة IEEE DataPort، وذلك وفق منهجية موحّدة تراعي منع تسرّب البيانات. اشتملت مجموعة البيانات الأصلية على 1,215,890 سجلًا و52 عمودًا. وبعد حذف 21 سجلًا مكررًا تكرارًا تامًا، تم الاحتفاظ بـ 1,215,869 مشاهدة. وأُجري تقسيم طبقي بنسبة 70:30 على مستوى السجلات قبل تنفيذ المعالجة المسبقة، مع ضبط جميع الإجراءات المعتمدة على البيانات حصريًا باستخدام مجموعة التدريب ذات الصلة. أدى تطبيق مرشح التباين الصفري، وتقليل الخصائص استنادًا إلى ارتباط بيرسون، وترتيب الخصائص باستخدام اختبار ANOVA F-test إلى تقليص عدد المتنبئات القابلة للاستخدام من 46 متنبئًا إلى تمثيل ثابت يضم أفضل عشر خصائص Top- 0. وتم تقييم نماذج Random Forest وXGBoost، إلى جانب تقريب قابل للتوسع لآلة المتجهات الداعمة باستخدام خصائص فورييه العشوائية RFF-SVM لمحاكاة مصنف ذي نواة دالة الأساس الشعاعي RBF، وذلك باستخدام مجموعة اختبار نهائية لم تُستخدم أثناء التطوير، إلى جانب التحقق المتقاطع الطبقي بخمس طيات، مع إعادة تطبيق المعالجة المسبقة واختيار الخصائص بصورة مستقلة داخل كل طية. حقق نموذجا XGBoost وRandom Forest، باستخدام أفضل عشر خصائص، دقة على مجموعة الاختبار بلغت 99.9748% و99.9745% على التوالي، دون وجود فرق ذي دلالة إحصائية بين أخطائهما المزدوجة بعد تطبيق تصحيح Holm. كما حققت التمثيلات الكاملة، والمخفضة بالارتباط، والمقتصرة على أفضل عشر خصائص نتائج متطابقة تقريبًا لكلا نموذجي التجميع، مما يشير إلى أن مجموعة الخصائص المدمجة حافظت على أداء التقسيم العشوائي بدلًا من تحسينه. ومع ذلك، ظهرت الخاصيتان Seq وOffset بوصفهما أعلى المتنبئات ترتيبًا. وقد أدى استبعادهما إلى انخفاض دقة مجموعة الاختبار إلى 71.18% لنموذج XGBoost، و71.16% لنموذج Random Forest، و73.09% لنموذج RFF-SVM، مع ملاحظة اتجاه مماثل أثناء التحقق المتقاطع. توضح هذه النتائج أن الأداء شبه المثالي المحقق على مستوى السجلات يعتمد بدرجة كبيرة على البيانات الوصفية المرتبطة بترتيب جمع البيانات، ولذلك لا ينبغي تفسيره على أنه دليل على القدرة على التعميم عبر جلسات أو بيئات مختلفة. وقبل التطبيق التشغيلي، يصبح من الضروري إجراء تحقق يراعي الجلسات ومحطات القاعدة، إلى جانب التحقق الخارجي.