Cyber attacks detection on internet of Things using Machine learning / Ala Eddine Bouladour  

Public ISBD Titre : Cyber attacks detection on internet of Things using Machine learning Type de document : texte imprimé Auteurs : Ala Eddine Bouladour, Auteur ; Dhirar abdeldjabar Nedjai ; Haddadi ,Mohamed, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (73 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Internet des objets Cyberattaques Apprentissage automatique Cybersécurité. Index. décimale : 004 - Informatique Résumé : L’augmentation rapide du nombre de dispositifs IoT (Internet des objets) a fourni une large surface d’attaque pour les pirates pour lancer des cyberattaques dévastatrices. et souvent, les solutions de sécurité traditionnelles ne sont pas suffisantes pour détecter ces attaques, qui nécessitent l’utilisation de méthodes innovantes en raison de la gravité de ce problème. Le but de cette thèse est d’appliquer des méthodes d’apprentissage automatique telles que la forêt aléatoire, l’arbre de décision, les voisins k-les plus proches, la machine vectorielle de support, la régression logistique, l’amplification de gradient extrême, l’amplification adaptative et l’amplification de gradient, dans deux types de classification (binaire et multiple) détecter les attaques dans l’Internet des objets. Nous avons évalué ces méthodes avec l’ensemble de données IoTID20 à l’aide de mesures de rendement comme (exactitude, précision, rappel et F1- Score). Nous avons également comparé nos résultats avec ceux de Sharma et al. Les résultats de cette comparaison ont montré que notre modèle (XGBoost) offre la meilleure performance parmi tous les autres modèles dans les classifications binaires et multi, car il a atteint une exactitude de 99.74 et 99.21 respectivement= The rapid rise in the number of IoT (Internet of Things) devices has provided a broad attack surface for hackers to launch devastating cyber attacks. and often, traditional security solutions are not sufficient to detect these attacks, which requires the use of innovative methods due to the seriousness of this problem. The aim of this thesis is to apply machine learning methods such as random forest, decision tree, k-nearest neighbors, support vector machine, logistic regression, extreme Gradient Boosting, Adaptive Boosting, and Gradient Boosting, in two types of classification (binary and multiple) to detect attacks in the Internet of Things. We evaluated these methods with the IoTID20 dataset using performance measures such as (accuracy, precision, recall, and F1-Score). We also compared our results with the results of Sharma et al. The results of this comparison showed that our model (XGBoost) provides the best performance among all other models in both binary and multi classifications, as it achieved an accuracy of 99.74 and 99.21 respectively. Côte titre : MAI/0788 En ligne : https://drive.google.com/file/d/1DWUg2bwFndN9eDRl_TQ-Ot6zq5MsAwCa/view?usp=drive [...] Format de la ressource électronique : pdf Cyber attacks detection on internet of Things using Machine learning [texte imprimé] / Ala Eddine Bouladour, Auteur ; Dhirar abdeldjabar Nedjai ; Haddadi ,Mohamed, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (73 f.) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Internet des objets Cyberattaques Apprentissage automatique Cybersécurité. Index. décimale : 004 - Informatique Résumé : L’augmentation rapide du nombre de dispositifs IoT (Internet des objets) a fourni une large surface d’attaque pour les pirates pour lancer des cyberattaques dévastatrices. et souvent, les solutions de sécurité traditionnelles ne sont pas suffisantes pour détecter ces attaques, qui nécessitent l’utilisation de méthodes innovantes en raison de la gravité de ce problème. Le but de cette thèse est d’appliquer des méthodes d’apprentissage automatique telles que la forêt aléatoire, l’arbre de décision, les voisins k-les plus proches, la machine vectorielle de support, la régression logistique, l’amplification de gradient extrême, l’amplification adaptative et l’amplification de gradient, dans deux types de classification (binaire et multiple) détecter les attaques dans l’Internet des objets. Nous avons évalué ces méthodes avec l’ensemble de données IoTID20 à l’aide de mesures de rendement comme (exactitude, précision, rappel et F1- Score). Nous avons également comparé nos résultats avec ceux de Sharma et al. Les résultats de cette comparaison ont montré que notre modèle (XGBoost) offre la meilleure performance parmi tous les autres modèles dans les classifications binaires et multi, car il a atteint une exactitude de 99.74 et 99.21 respectivement= The rapid rise in the number of IoT (Internet of Things) devices has provided a broad attack surface for hackers to launch devastating cyber attacks. and often, traditional security solutions are not sufficient to detect these attacks, which requires the use of innovative methods due to the seriousness of this problem. The aim of this thesis is to apply machine learning methods such as random forest, decision tree, k-nearest neighbors, support vector machine, logistic regression, extreme Gradient Boosting, Adaptive Boosting, and Gradient Boosting, in two types of classification (binary and multiple) to detect attacks in the Internet of Things. We evaluated these methods with the IoTID20 dataset using performance measures such as (accuracy, precision, recall, and F1-Score). We also compared our results with the results of Sharma et al. The results of this comparison showed that our model (XGBoost) provides the best performance among all other models in both binary and multi classifications, as it achieved an accuracy of 99.74 and 99.21 respectively. Côte titre : MAI/0788 En ligne : https://drive.google.com/file/d/1DWUg2bwFndN9eDRl_TQ-Ot6zq5MsAwCa/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0788	MAI/0788	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

http flood dos attack detection using data mining / yasmina Abidi  

Public ISBD Titre : http flood dos attack detection using data mining Type de document : texte imprimé Auteurs : yasmina Abidi, Auteur ; yaakoub Derradji, Auteur ; Haddadi ,Mohamed, Directeur de thèse Année de publication : 2022 Importance : 1 vol (94 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Among the problems that the Internet is facing now is DOS ATTACKS. It aims to deny services to legitimate users, and shut down a machine or network, making it inaccessible to its intended users. It will be through flooding the target with requests or sending information that triggers a crash. There are many types of DoS attacks, including Slowloris Attack, RUDY Attack, Slow HTTP Post Attack, and Slow Read Attack. To detect this attack we use Data Mining, and the two tools WEKKA and TANAGRA. Data mining is the process to extract information from a dataset to help to make a decision. In our case, the decision is to classify requests as normal or abnormal (attack). To reach this goal; we used a classification algorithm, we chose among them Multilayer Perceptron, Naive Bayes, Random Tree, K-Nearest Neighbors, Decision Tree, and Support Vector Machine. We have implemented these algorithms on http_csic_2010_full.arff dataset. We are looking for a program that gives a high rate and the perfect classification of attacks. Côte titre : MAI/0583 En ligne : https://drive.google.com/file/d/1s-MQJt1dRtsvA15TT5YIKcO_g0Ki1TFq/view?usp=share [...] Format de la ressource électronique : pdf http flood dos attack detection using data mining [texte imprimé] / yasmina Abidi, Auteur ; yaakoub Derradji, Auteur ; Haddadi ,Mohamed, Directeur de thèse . - 2022 . - 1 vol (94 f .) ; 29cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Among the problems that the Internet is facing now is DOS ATTACKS. It aims to deny services to legitimate users, and shut down a machine or network, making it inaccessible to its intended users. It will be through flooding the target with requests or sending information that triggers a crash. There are many types of DoS attacks, including Slowloris Attack, RUDY Attack, Slow HTTP Post Attack, and Slow Read Attack. To detect this attack we use Data Mining, and the two tools WEKKA and TANAGRA. Data mining is the process to extract information from a dataset to help to make a decision. In our case, the decision is to classify requests as normal or abnormal (attack). To reach this goal; we used a classification algorithm, we chose among them Multilayer Perceptron, Naive Bayes, Random Tree, K-Nearest Neighbors, Decision Tree, and Support Vector Machine. We have implemented these algorithms on http_csic_2010_full.arff dataset. We are looking for a program that gives a high rate and the perfect classification of attacks. Côte titre : MAI/0583 En ligne : https://drive.google.com/file/d/1s-MQJt1dRtsvA15TT5YIKcO_g0Ki1TFq/view?usp=share [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0583	MAI/0583	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

Sécuriser les réseaux distribués contre les attaques DoS / Ould Mohamed ,Youcef  

Public ISBD Titre : Sécuriser les réseaux distribués contre les attaques DoS Type de document : texte imprimé Auteurs : Ould Mohamed ,Youcef, Auteur ; Haddadi ,Mohamed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (77 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Déni de service Déni de service distribué Index. décimale : 004 - Informatique Résumé : L’ouverture et l’exposition des systèmes et services informatiques au monde extérieur et l’utilisation de l’internet à grande échelle n’est pas sans dangers, la cybercriminalité a aussi évolué et menace sérieusement la disponibilité, la sécurité, l’intégrité et la confidentialité de ces systèmes ainsi que leurs usagers, l’une de ces menaces sont les attaques par déni de service (DoS) et leurs variantes DDoS, ces attaques dans la quasi totalité des cas cachent leurs véritable identités (spoofing) pour échapper à tout contrôle et continuer de sévir en toute impunité. Dans ce travail, on a développé une approche déterministe faisant partie de la famille “IP Traceback“ visant à tracer les chemins exacts d’attaques remontant jusqu’aux sources réelles des attaques, même dans les cas d’usurpation d’identités, en recevant seulement un seul et unique paquet “Single Packet“. L’approche se base sur les techniques de marquage et d’enregistrement des paquets (Marking/Logging), exploitant le champ Record Route Option de l’entête IPv4. Côte titre : MAI/0538 En ligne : https://drive.google.com/file/d/1iST82iJfBqRCaokTHh2ZoNSeIP1-Bf97/view?usp=shari [...] Format de la ressource électronique : pdf Sécuriser les réseaux distribués contre les attaques DoS [texte imprimé] / Ould Mohamed ,Youcef, Auteur ; Haddadi ,Mohamed, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (77 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Déni de service Déni de service distribué Index. décimale : 004 - Informatique Résumé : L’ouverture et l’exposition des systèmes et services informatiques au monde extérieur et l’utilisation de l’internet à grande échelle n’est pas sans dangers, la cybercriminalité a aussi évolué et menace sérieusement la disponibilité, la sécurité, l’intégrité et la confidentialité de ces systèmes ainsi que leurs usagers, l’une de ces menaces sont les attaques par déni de service (DoS) et leurs variantes DDoS, ces attaques dans la quasi totalité des cas cachent leurs véritable identités (spoofing) pour échapper à tout contrôle et continuer de sévir en toute impunité. Dans ce travail, on a développé une approche déterministe faisant partie de la famille “IP Traceback“ visant à tracer les chemins exacts d’attaques remontant jusqu’aux sources réelles des attaques, même dans les cas d’usurpation d’identités, en recevant seulement un seul et unique paquet “Single Packet“. L’approche se base sur les techniques de marquage et d’enregistrement des paquets (Marking/Logging), exploitant le champ Record Route Option de l’entête IPv4. Côte titre : MAI/0538 En ligne : https://drive.google.com/file/d/1iST82iJfBqRCaokTHh2ZoNSeIP1-Bf97/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0538	MAI/0538	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 3 / 3)