Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-tiaret.dz:80/handle/123456789/5509
Titre: | Vers une amélioration de la détection d’intrusion par les méthodes de sélection des fonctionnalités à l’aide des arbres de décision |
Auteur(s): | Mezili, Houcine |
Date de publication: | 2021 |
Editeur: | Université Ibn Khaldoun -Tiaret- |
Résumé: | L'utilisation des systèmes de détection d'intrusions (IDS) est l'un des moyens d'offrir un environnement sécurisé et rassurant pour les Utilisateurs des systèmes informatiques. Des mises à jour et des améliorations de ces systèmes sont recommandées en raison de l'apparition régulière de nouvelles vulnérabilités. Les recherches ont montré le rôle important du Machine Learning (ML) dans la construction et la réalisation de nouvelles techniques plus satisfaisante et qui peuvent prédire les nouvelles attaques plus rapidement et efficacement pour préparer la contre-mesure la mieux adaptée. Les modèles proposés ont ensuite été évalués à l'aide des ensembles de données CICDDoS2019. Grâce à l'utilisation du Machine learning, des solutions efficaces peuvent être réalisé en vue de renforcer la capacité de détection des systèmes de détection d'intrusions. |
URI/URL: | http://dspace.univ-tiaret.dz:80/handle/123456789/5509 |
Collection(s) : | Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
TH.M.INF.FR.2021.29.pdf | 2,41 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.