| Titre : | Une solution Deep Learning pour la détection d’instrusion dans l’internet des objets |
| Auteurs : | Elhouari Boumediene, Auteur ; Amel Belkhir, Auteur ; Meriem Meddber, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2022 |
| ISBN/ISSN/EAN : | SE02219T |
| Format : | 66P. / couv. ill. / 29cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
L’internet des objets a révolutionné le monde du numérique ces dernières années en permettant aux humains et aux objets intelligents de s’interconnecter et d’échanger des informations, cette technologie est omniprésente dans divers domaines tels que l’industrie, la santé, le transport etc. Parallèlement à ces avancées, l’internet des objets reste la cible privilégiée d’utilisateurs malhonnêtes à cause de sa vulnérabilité matérielle et logicielle et à sa grande surface d’attaque. Les hackers tentent continuellement de profiter de ces failles pour pénétrer dans le système et causer des dommages plus ou moins importants. Les systèmes de détection d’intrusion (IDS) se présentent comme la première ligne de défense dans tout réseau informatique, leur rôle consiste à identifier les attaques d’une façon rapide et efficace. L’intelligence artificielle et plus précisément l’apprentissage automatique a prouvé son efficacité dans la détection d’intrusion et plusieurs systèmes de détection d’intrusion basé sur l’apprentissage automatique ont vu le jour et sont actuellement commercialisés. Cependant, les IDS basés sur l’apprentissage profond (deep learning) font encore l’objet de sujets de recherche très récents et nécessitent davantage d’études de d’investigations. Dans ce projet de Master, nous proposons une solution basée sur l’apprentissage profond pour la détection d’intrusion suivant une approche par scénario dans l’internet des objets. Notre modèle adopte une classification multi-classes des attaques sur les bases du dataset NSL-KDD. Les résultats expérimentaux démontrent que notre solution proposée est plus performante que plusieurs autres algorithmes basés sur l’apprentissage automatique et profond. Mots clés : Internet des Objets, Deep Learning, Systèmes de Détection d’Intrusion, Intelligence Artificielle, NSL-KDD, Réseaux de Neurones Artificiels. |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE02219T | INF777 | Livre audio | Bibliothèque des Sciences Exactes | 7-Mémoires Master | Consultation sur place Exclu du prêt |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
