|
| Titre : |
Bio-inspired approach for the security of the Internet of Things |
| Type de document : |
texte imprimé |
| Auteurs : |
Salsabyl Merat, Auteur ; Yasmine Harbi, Directeur de thèse |
| Editeur : |
Sétif:UFS |
| Année de publication : |
2023 |
| Importance : |
1 vol (91 f.) |
| Format : |
29 cm |
| Langues : |
Anglais (eng) |
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Internet des objets (IdO)
Internet industriel des objets (IIdO)
S´ecurit´e
Cyberattaques
Syst`emes de d´etection d’intrusion (IDS)
NIDS
HIDS |
| Index. décimale : |
004 - Informatique |
| Résumé : |
L’Internet des objets (IdO) a connu un d´eveloppement important dans notre `ere
actuelle, et avec l’augmentation du nombre d’appareils connect´es `a Internet, le volume
de donn´ees a augment´e consid´erablement. Malheureusement, cela a attir´e l’attention
des criminels sur Internet, qui ont fait des r´eseaux IoT une cible pour leurs activit´es
malveillantes. Par cons´equent, les pr´eoccupations en mati`ere de s´ecurit´e et de vie priv´ee
sont devenues le principal obstacle `a l’adoption g´en´eralis´ee de l’IdO. Bien que les attaques contre n’importe quel syst`eme ne puissent pas ˆetre enti`erement ´evit´ees pour
toujours, la d´etection en temps r´eel de ces attaques est de la plus haute importance
pour d´efendre efficacement les syst`emes IdO. Cette th`ese pr´esente un nouveau syst`eme
de d´etection d’intrusion qui utilise des algorithmes d’apprentissage automatique supervis´es et des algorithmes bio-inspir´es pour d´etecter les anomalies de s´ecurit´e dans
les r´eseaux IdO. Le syst`eme IDS examine toutes les caract´eristiques de l’ensemble de
donn´ees pour d´etecter les donn´ees intrusives et s’entraˆıne `a pr´edire toute intrusion dans
le r´eseau `a l’avenir. Cependant, certaines caract´eristiques peuvent ˆetre inutiles ou sans
rapport avec le processus de d´etection, ce qui entraˆıne des complexit´es informatiques
et une augmentation du temps de d´etection. Pour r´egler ce probl`eme, nous utilisons
dans cette th`ese un processus de s´election des attributs connu sous le nom de s´election
de fonctionnalit´es bas´e sur l’algorithme firefly pour supprimer les fonctionnalit´es non
pertinentes de l’ensemble de donn´ees et s´electionner le sous-ensemble optimal de fonctionnalit´es qui am´eliorent la performance du syst`eme IDS dans la d´etection des anomalies de s´ecurit´e, r´eduire le temps de d´etection et am´eliorer la pr´ecision des pr´evisions.
Les r´esultats obtenus confirment que le syst`eme de d´etection des intrusions propos´e
est capable de d´etecter les intrusions dans le monde r´eel et peut-ˆetre une solution de
s´ecurit´e efficace pour les syst`emes IdO = The Internet of Things (IoT) has witnessed significant development in our current era,
and with the increase in the number of Internet-connected devices, the volume of data
has increased significantly. Unfortunately, this has attracted the attention of internet
criminals, who have made IoT networks a target for their malicious activities. Consequently, security and privacy concerns have become the main obstacle hindering the
widespread adoption of IoT. While attacks on any system cannot be fully prevented
forever, real-time detection of these attacks is of utmost importance for effectively
defending IoT systems. This thesis presents a new intrusion detection system that
utilizes supervised machine learning algorithms and bio-inspired algorithms to detect
security anomalies in IoT networks. The IDS system examines all the features of the
dataset to detect intrusive data and trains itself to predict any network intrusion in the
future. However, some features may be unnecessary or unrelated to the detection process, leading to computational complexities and increased detection time. To address
this issue, we use in this thesis a feature selection process known as feature selection
based on the firefly algorithm to remove irrelevant features from the dataset and select
the optimal subset of features that enhance the performance of the IDS system in detecting security anomalies, reducing detection time, and improving prediction accuracy.
The obtained results confirm that the proposed intrusion detection system is capable of
detecting real-world intrusions and can be an effective security solution for IoT systems.
|
| Côte titre : |
MAI/0783 |
| En ligne : |
https://drive.google.com/file/d/1kFbPSm-AsuyPCGcxTGtbfv80tX5xtYsQ/view?usp=drive [...] |
| Format de la ressource électronique : |
pdf |
Bio-inspired approach for the security of the Internet of Things [texte imprimé] / Salsabyl Merat, Auteur ; Yasmine Harbi, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (91 f.) ; 29 cm. Langues : Anglais ( eng)
| Catégories : |
Thèses & Mémoires:Informatique
|
| Mots-clés : |
Internet des objets (IdO)
Internet industriel des objets (IIdO)
S´ecurit´e
Cyberattaques
Syst`emes de d´etection d’intrusion (IDS)
NIDS
HIDS |
| Index. décimale : |
004 - Informatique |
| Résumé : |
L’Internet des objets (IdO) a connu un d´eveloppement important dans notre `ere
actuelle, et avec l’augmentation du nombre d’appareils connect´es `a Internet, le volume
de donn´ees a augment´e consid´erablement. Malheureusement, cela a attir´e l’attention
des criminels sur Internet, qui ont fait des r´eseaux IoT une cible pour leurs activit´es
malveillantes. Par cons´equent, les pr´eoccupations en mati`ere de s´ecurit´e et de vie priv´ee
sont devenues le principal obstacle `a l’adoption g´en´eralis´ee de l’IdO. Bien que les attaques contre n’importe quel syst`eme ne puissent pas ˆetre enti`erement ´evit´ees pour
toujours, la d´etection en temps r´eel de ces attaques est de la plus haute importance
pour d´efendre efficacement les syst`emes IdO. Cette th`ese pr´esente un nouveau syst`eme
de d´etection d’intrusion qui utilise des algorithmes d’apprentissage automatique supervis´es et des algorithmes bio-inspir´es pour d´etecter les anomalies de s´ecurit´e dans
les r´eseaux IdO. Le syst`eme IDS examine toutes les caract´eristiques de l’ensemble de
donn´ees pour d´etecter les donn´ees intrusives et s’entraˆıne `a pr´edire toute intrusion dans
le r´eseau `a l’avenir. Cependant, certaines caract´eristiques peuvent ˆetre inutiles ou sans
rapport avec le processus de d´etection, ce qui entraˆıne des complexit´es informatiques
et une augmentation du temps de d´etection. Pour r´egler ce probl`eme, nous utilisons
dans cette th`ese un processus de s´election des attributs connu sous le nom de s´election
de fonctionnalit´es bas´e sur l’algorithme firefly pour supprimer les fonctionnalit´es non
pertinentes de l’ensemble de donn´ees et s´electionner le sous-ensemble optimal de fonctionnalit´es qui am´eliorent la performance du syst`eme IDS dans la d´etection des anomalies de s´ecurit´e, r´eduire le temps de d´etection et am´eliorer la pr´ecision des pr´evisions.
Les r´esultats obtenus confirment que le syst`eme de d´etection des intrusions propos´e
est capable de d´etecter les intrusions dans le monde r´eel et peut-ˆetre une solution de
s´ecurit´e efficace pour les syst`emes IdO = The Internet of Things (IoT) has witnessed significant development in our current era,
and with the increase in the number of Internet-connected devices, the volume of data
has increased significantly. Unfortunately, this has attracted the attention of internet
criminals, who have made IoT networks a target for their malicious activities. Consequently, security and privacy concerns have become the main obstacle hindering the
widespread adoption of IoT. While attacks on any system cannot be fully prevented
forever, real-time detection of these attacks is of utmost importance for effectively
defending IoT systems. This thesis presents a new intrusion detection system that
utilizes supervised machine learning algorithms and bio-inspired algorithms to detect
security anomalies in IoT networks. The IDS system examines all the features of the
dataset to detect intrusive data and trains itself to predict any network intrusion in the
future. However, some features may be unnecessary or unrelated to the detection process, leading to computational complexities and increased detection time. To address
this issue, we use in this thesis a feature selection process known as feature selection
based on the firefly algorithm to remove irrelevant features from the dataset and select
the optimal subset of features that enhance the performance of the IDS system in detecting security anomalies, reducing detection time, and improving prediction accuracy.
The obtained results confirm that the proposed intrusion detection system is capable of
detecting real-world intrusions and can be an effective security solution for IoT systems.
|
| Côte titre : |
MAI/0783 |
| En ligne : |
https://drive.google.com/file/d/1kFbPSm-AsuyPCGcxTGtbfv80tX5xtYsQ/view?usp=drive [...] |
| Format de la ressource électronique : |
pdf |
|
Ajouter le résultat dans votre panier Affiner la recherche
