Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/14041
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Abiza, Imad | - |
dc.contributor.author | Amroun, Kamal;promoteur | - |
dc.date.accessioned | 2021-01-31T13:53:14Z | - |
dc.date.available | 2021-01-31T13:53:14Z | - |
dc.date.issued | 2018-09-22 | - |
dc.identifier.uri | http://hdl.handle.net/123456789/14041 | - |
dc.description | Option : Réseaux et Système Distribution | en_US |
dc.description.abstract | Dans ce travail on s'est intéressé aux techniques de détection d'intrusion, nous avons précisé sur la technique de machine Learning ainsi que on a fait la comparaison entre les méthodes de ce dernier. Cette comparaison est basée sur le taux de précisions à la base de données NSL-KDD. D'après les résultats on constate que la méthode de SVM est le plus puissant en taux de précisions par apport à la méthode de k-means et les réseaux de neurones. | en_US |
dc.language.iso | fr | en_US |
dc.publisher | Univ. A/Mira- Bejaia | en_US |
dc.subject | Machine learning : Les systèmes de détections : Réseaux de neurones | en_US |
dc.title | Les systèmes de détections d'intrusion basés sur machine learning | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
page-de-garde-1-fusionné.pdf | 1.98 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.