000			03660namaa22004451i 4500
003			OSt
005			20250924141708.0
008			250731s2024 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a006.3
092			_a006.3 _221
097			_aM.Sc
099			_aCai01.20.01.M.Sc.2024.Me.I.
100	0		_aMennatallah Gamal Abdelfattah Sayed Gabr, _epreparation.
245	1	0	_aImproving the Security of Internet of Drones / _cBy Mennatallah Gamal Abdelfattah Sayed Gabr; Ass. Prof. Mohamed Elhamahmy, Asc. Prof. Sanaa M. A.Taha, Prof. Dr. Hesham N. Elmahdy.
246	1	5	_aتحسين أمن انترنت الطائرات المسيرة
264		0	_c2024.
300			_a72 leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (M.Sc.)-Cairo University, 2024.
504			_aBibliography: pages 67-72.
520			_aThe use of drones (UAVs) has increased across industries, leading to more malicious activities targeting UAV networks, creating a need for effective Intrusion Detection Systems (IDS). This thesis proposes an IDS model using a Recurrent Neural Network (RNN) with Long Short-Term Memory (LSTM) to detect network anomalies. The model addresses issues like class imbalance and high-dimensional data through pre-processing techniques such as SMOTE, one-hot encoding, and min-max scaling. Evaluated with the CICIDS2017 dataset, the model achieved 99.85% accuracy, 99.85% F1-score, 99.99% precision, and 99.70% recall, outperforming Naïve Bayes and other protocols in accuracy and False Positive rate.
520		2	_aفي السنوات الأخيرة، زاد استخدام الطائرات بدون طيار في صناعات مختلفة، مما أدى إلى زيادة الأنشطة الضارة ضد شبكاتها. ونتيجة لذلك، أصبح تطوير أنظمة كشف التسلل (IDS) أمرًا ضروريًا. تواجه هذه الأنظمة تحديات بسبب حركة الطائرات ومواردها المحدودة. اقترح البحث نهجًا جديدًا باستخدام التعلم العميق لتحسين IDS، حيث استخدم الشبكة العصبية المتكررة (RNN) مع LSTM لتحديد الحالات الشاذة. تم معالجة البيانات باستخدام تقنيات مثل SMOTE لموازنة الفئات. تم تقييم النموذج باستخدام مجموعة بيانات CICIDS2017، حيث حقق دقة تصنيف تصل إلى 99.84%. النموذج تفوق على تقنيات أخرى من حيث الدقة والأداء.
530			_aIssued also as CD
546			_aText in English and abstract in Arabic & English.
650		7	_aComputers and Artificial Intelligence
653		1	_aUnmanned Aerial Vehicles (UAVs) _aNetwork Intrusion Detection System (NIDS) _aRecurrent Neural Network (RNN)
653		1	_aالطائرات بدون طيار (UAVs) _aنظام اكتشاف التطفل على الشبكة (NIDS)، _aالشبكة العصبية المتكررة (RNN)
700	0		_aMohamed Elhamahmy _ethesis advisor.
700	0		_aSanaa M. A.Taha _ethesis advisor.
700	0		_aHesham N. Elmahdy _ethesis advisor.
900			_b01-01-2024 _cMohamed Elhamahmy _cSanaa M. A.Taha _cHesham N. Elmahdy _UCairo University _FFaculty of Computers and Artificial Intelligence _DDepartment of Information Technology
905			_aEman El gebaly
942			_2ddc _cTH _e21 _n0
999			_c173251