كشف التسلل · CICIDS2017
كشف اختراق الشبكات
LightGBM وRandom Forest مع اختيار السمات بـGA وقابلية التفسير بـSHAP.
98.14% دقة · 98.6% macro F1
خلف بولوريا باحثة. إلى جانب أعمال التصميم والبناء، أُجري بحثًا أكاديميًا في تعلُّم الآلة والتحسين ورؤية الحاسوب — الانضباط نفسه، مطبَّقًا على مسائل قابلة للقياس.
أعمل عند تقاطع تعلُّم الآلة والتحسين الميتاإرشادي وعلم البيانات التطبيقي — محوِّلةً مناهج البحث إلى أنظمة تصمد تحت القياس.
الخيط الناظم هو الانضباط: هدف واضح، ومنهج موثَّق، ورقم يُحكَم به.
منفتحة على
كل مشروع يستند إلى مقياس. يُطبَّق التحسين حيث يضيف قيمة قابلة للقياس — لا كشعار رنّان أبدًا.
كشف التسلل · CICIDS2017
LightGBM وRandom Forest مع اختيار السمات بـGA وقابلية التفسير بـSHAP.
98.14% دقة · 98.6% macro F1
اختيار السمات · CIC-IDS2018
خوارزمية جينية عبر DEAP على 360K صف — خُفِّض التعقيد مع الحفاظ على الدقة.
78 → 45 سمة · 42% تخفيض
المعاملات الفائقة · CIC-IDS2018
يضبط تحسين سرب الجسيمات مُصنِّف LightGBM نحو macro F1 أعلى.
+0.26% macro F1
التجزئة · الاستشعار عن بُعد
U-Net مع تحسين متعدد العتبات بـGA عبر 6 فئات غطاء أرضي على صور رباعية القنوات.
6 فئات · IoU مُتتبَّع
كشف الأجسام · السيارات
نموذج التفافي أساسي يُنقل إلى YOLO لكشف الشعار في الزمن الحقيقي.
CNN → YOLO
تبحث الميتاإرشاديات في الفضاءات التي تعجز عنها طرق التدرّج؛ ويقوم تعلُّم الآلة بالتنبؤ؛ وتُبقي قابلية التفسير كل نتيجة قابلة للمساءلة.
01 · GA
تُطوِّر مجموعات السمات الجزئية والعتبات — تُبقي ما يساعد على نحوٍ قابل للقياس وتستبعد الباقي.
02 · PSO
تضبط المعاملات الفائقة للنموذج عبر فضاء متصل نحو هدف واحد محدد.
03 · ML
تقوم الأشجار المعزَّزة بالتدرّج والشبكات العميقة (LightGBM، U-Net) بالتنبؤ.
04 · XAI
يَنسُب SHAP كل تنبؤ إلى مدخلاته، حتى تكون النتيجة قابلة للقراءة والتدقيق والثقة.
الدقة وحدها لا تكفي. في الأمن والاستشعار عن بُعد، يجب أن يكون القرار قابلًا للدفاع — يحوّل SHAP النموذج من صندوق أسود إلى شيء يستطيع المراجِع استجوابه، وهذا ما يجعل النتيجة قابلة للاستخدام عمليًا.
كل رسالة تصل إلى إنسان — وتحصل على ردّ.