CHWA-LB: مجموعة بيانات واقعية للبيئات المدارة بالحاويات

تهدف هذه الدراسة إلى تقديم مجموعة بيانات مبتكرة وواقعية تُسمى CHWA-LB (Container Host Web Attack-Linux Based)  للمساعدة في سد الفجوة في مجموعات البيانات المستخدمة حالياً لتدريب نماذج تعلم الآلة لاكتشاف الهجمات والأنشطة الشاذة على مستوى المضيف في بيئات الحاويات السحابية المعتمدة على نظام لينكس. المنهجية: تم بناء مجموعة بيانات CHWA-LB  بناءً على أسس تقنية قوية، حيث تم توليد حركة مرور البيانات باستخدام أعباء عمل حقيقية مثل WordPress وMySQL  ضمن بيئة الحاوياتDocker  تغطي المجموعة ما بين 70% إلى 80% من الهجمات الشائعة وفقاً لإطار MITRE ATT&CK  العالمي، مع استخراج ودمج ميزات زمنية، هيكلية، وسياقية من استدعاءات النظام لتدريب خوارزميات تعلم الآلة المتقدمة. النتائج: أظهرت التجارب تفوق النموذج المقترح بتحقيق قيمة AUC  بلغت 0.958، متفوقاً على النماذج المرجعية مثل الغابة العشوائية وآلة المتجهات الداعمة . كما أظهرت دراسة تفكيك الميزات  أن دمج الميزات الدلالية مع الميزات الزمنية كان العامل الرئيسي في أداء النموذج. وقد أدى استبعاد هذه الميزات إلى انخفاض في الأداء بمقدار Δ0.118  أكدت اختبارات الحساسية أن النموذج الهجين يتمتع بمتانة عالية في التمييز بين الأنماط غير الخطية مقارنة بالخوارزميات التقليدية. وأكدت الاختبارات الإحصائية أن هذا التحسن ذو دلالة إحصائية عند مستوى معنوي أقل من 0.01  الاستنتاجات والتوصيات: تؤكد الدراسة فعالية مجموعة CHWA-LB في تعزيز أمن الحاويات سيبرانياً. أتيحت المجموعة كمرجع معياري لتقييم أنظمة كشف الاقتحام المستندة للمضيف وتعلم الآلة، مع التركيز على هجمات التسرب من الحاوية. كما يُوصى الممارسون بدمج الميزات السياقية في نماذجهم البرمجية لرفع الدقة وتقليل الإنذارات الكاذبة في بيئات العمل الحقيقية، مما يضمن حماية تقنية متكاملة وموثوقة للبنية التحتية السحابية المستهدفة