| Titre : | Détection d’intrusion à base d’apprentissage dans les réseaux MANETs |
| Auteurs : | Chahinez Memdoud, Auteur ; Amina Arfi, Auteur ; Khalladi, Rachid, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2022 |
| ISBN/ISSN/EAN : | SE02231T |
| Format : | 71P. / couv. ill. / 29cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
Les réseaux mobiles ad-hoc décentralisés sont l’option du futur en matière de coûts (sans infrastructure) et en connectivité. A l’opposé de ces avantages, l’inconvénient de la vulnérabilité risque de les anéantir. Aux diverses formes d’attaque auxquels ils peuvent être soumis se sont opposées des solutions. Dans le présent travail, nous avons proposé une nouvelle approche pour la classification supervisée. Comme nous l’avons souligné au premier chapitre, les problèmes inhérents aux réseaux mobile ad-hoc sont assez sérieux et les touchent sur plusieurs plans laissant comprendre qu’ils resteront un domaine de recherche ouvert allant de leur conception jusqu’à leurs exploitations. Aux cours de ce mémoire, nous avons initié un système de détection d’intrusion basé sur la machine learning. Nous avons fait une comparaison entre deux modèles d’apprentissage automatique pour la détection et la classification binaire d’attaques, le premier est à base de la méthode SVM, ainsi, le 2eme modèle est une hybridation entre SVM et Random Forest pour la sélection des attributs nommé « SVM-FS ». Les résultats montrent que le deuxième modèle est meilleur que le premier en termes de plusieurs métriques de comparaison : Accurency, Présicion, Recall et F-score. Toute fois dans la continuité du travail présenté, nous pouvons étendre notre solution pour traiter et détecter les différentes attaques et générer un modèle d’apprentissage automatique robuste. Nous envisageons quelques perspectives: - Appliquer notre modèle de détection d’intrusion sur d’autres Datasets. - Intégré le modèle dans le simulateur NS3 pour une simulation quasi-réelle |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE02231T | INF830 | 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
