Titre :	Deep Neural Network Architecture for Intrusion Detection
Type de document :	texte imprimé
Auteurs :	Mahrougui ,Djamel Eddine, Auteur ; Frihia ,Hamza, Directeur de thèse
Editeur :	Setif:UFA
Année de publication :	2020
Importance :	1 vol (48 f .)
Format :	29 cm
Langues :	Français (fre)
Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	Informatique
Index. décimale :	004 - Informatique
Résumé :	Dans cette thèse, nous allons utiliser une hybridation du Deep Learning et de l'OC-SVDD pour Tâches de détection d'intrusion. La technique utilisée a été conçue pour effectuer la classification d'images tâche, tandis que nous utiliserons un jeu de données numérique de détection d'intrusion appelé «NSL-KDD». le Le classificateur tirera parti de la technique d'apprentissage par transfert, en utilisant une fonctionnalité robuste extracteur appelé «Autoencoder». le codeur automatique sera composé de couches convolutives 1D pour correspondre à l'ensemble de données numériques. En effet, ce travail pourrait être la preuve que l'utilisation de Deep L'apprentissage avec une classe SVDD pourrait être efficace dans le domaine de la cybersécurité. je En savoir plus sur ce texte sourceVous devez indiquer le texte source pour obtenir des informations supplémentaires Envoyer des commentaires Panneaux latéraux
Côte titre :	MAI/0404
En ligne :	https://drive.google.com/file/d/10l13W7tzIff2TmNKARi7kWGOE3NKe0V3/view?usp=shari [...]
Format de la ressource électronique :	pdf

Deep Neural Network Architecture for Intrusion Detection [texte imprimé] / Mahrougui ,Djamel Eddine, Auteur ; Frihia ,Hamza, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (48 f .) ; 29 cm.
Langues : Français (fre)

Catégories :	Thèses & Mémoires:Informatique
Mots-clés :	Informatique
Index. décimale :	004 - Informatique
Résumé :	Dans cette thèse, nous allons utiliser une hybridation du Deep Learning et de l'OC-SVDD pour Tâches de détection d'intrusion. La technique utilisée a été conçue pour effectuer la classification d'images tâche, tandis que nous utiliserons un jeu de données numérique de détection d'intrusion appelé «NSL-KDD». le Le classificateur tirera parti de la technique d'apprentissage par transfert, en utilisant une fonctionnalité robuste extracteur appelé «Autoencoder». le codeur automatique sera composé de couches convolutives 1D pour correspondre à l'ensemble de données numériques. En effet, ce travail pourrait être la preuve que l'utilisation de Deep L'apprentissage avec une classe SVDD pourrait être efficace dans le domaine de la cybersécurité. je En savoir plus sur ce texte sourceVous devez indiquer le texte source pour obtenir des informations supplémentaires Envoyer des commentaires Panneaux latéraux
Côte titre :	MAI/0404
En ligne :	https://drive.google.com/file/d/10l13W7tzIff2TmNKARi7kWGOE3NKe0V3/view?usp=shari [...]
Format de la ressource électronique :	pdf