Un Systeme de Detection d'intrusion base sur l'Apprentissage Automatique pour l'Internet des Objets / Khellaf,Amani  

Public ISBD Titre : Un Systeme de Detection d'intrusion base sur l'Apprentissage Automatique pour l'Internet des Objets Type de document : texte imprimé Auteurs : Khellaf,Amani, Auteur ; Fenanir,Samir, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (83 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Internet des objets (IoT) Systeme de detection d'intrusion (IDS) Index. décimale : 003.54 Théorie de l'information Résumé : L'Internet des objets (Internet of Things ou IoT), permet de combiner toute sorte de communication, tout le temps, pour tout le monde, et sur n'importe quel objet. Bien que l'IoT ore un ensemble impressionnant d'avantages, il presente egalement un ensemble de des, ou la securite est le principal de. Pour ameliorer la securite de l'IoT, dans ce memoire nous proposons un nouveau systeme de detection d'intrusion qui est un systeme de detection d'intrusion leger (LIDS). Nous avons construit un modele de classication base sur l'apprentissage automatique qui sera en mesure de classer et d'identier les dierentes attaques. En premier lieu, nous presentons les techniques utilisees pour le pretraitement de l'ensemble de donnees. Ensuit, nous utilisons cinq techniques de selection des attributs pour diminuer le cout de calcul. Dierents algorithmes d'apprentissage automatique (ML) ont ete utilises pour la classication : regression logistique (LR), Bayes naf (NB), arbre de decision (DT), for^et aleatoire (RF), k-plus proche voisin (KNN), machine a vecteurs de support (SVM) et perceptron multicouche (MLP). Nous les avons evalues et compares, puis nous proposons un systeme base sur l'algorithme le plus performant. Nous avons selectionne les algorithmes arbre de decision (DT) et Côte titre : MAI/0510 En ligne : https://drive.google.com/file/d/1K_lXmcS_kRfvyXO0Wab7xGLeRJ3Xfa8q/view?usp=shari [...] Format de la ressource électronique : pdf Un Systeme de Detection d'intrusion base sur l'Apprentissage Automatique pour l'Internet des Objets [texte imprimé] / Khellaf,Amani, Auteur ; Fenanir,Samir, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (83 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Internet des objets (IoT) Systeme de detection d'intrusion (IDS) Index. décimale : 003.54 Théorie de l'information Résumé : L'Internet des objets (Internet of Things ou IoT), permet de combiner toute sorte de communication, tout le temps, pour tout le monde, et sur n'importe quel objet. Bien que l'IoT ore un ensemble impressionnant d'avantages, il presente egalement un ensemble de des, ou la securite est le principal de. Pour ameliorer la securite de l'IoT, dans ce memoire nous proposons un nouveau systeme de detection d'intrusion qui est un systeme de detection d'intrusion leger (LIDS). Nous avons construit un modele de classication base sur l'apprentissage automatique qui sera en mesure de classer et d'identier les dierentes attaques. En premier lieu, nous presentons les techniques utilisees pour le pretraitement de l'ensemble de donnees. Ensuit, nous utilisons cinq techniques de selection des attributs pour diminuer le cout de calcul. Dierents algorithmes d'apprentissage automatique (ML) ont ete utilises pour la classication : regression logistique (LR), Bayes naf (NB), arbre de decision (DT), for^et aleatoire (RF), k-plus proche voisin (KNN), machine a vecteurs de support (SVM) et perceptron multicouche (MLP). Nous les avons evalues et compares, puis nous proposons un systeme base sur l'algorithme le plus performant. Nous avons selectionne les algorithmes arbre de decision (DT) et Côte titre : MAI/0510 En ligne : https://drive.google.com/file/d/1K_lXmcS_kRfvyXO0Wab7xGLeRJ3Xfa8q/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0510	MAI/0510	livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)