Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/14426
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMessouaf, Yacine-
dc.contributor.authorAmroun, Kamal ; promoteur-
dc.date.accessioned2021-02-16T10:20:14Z-
dc.date.available2021-02-16T10:20:14Z-
dc.date.issued2020-
dc.identifier.urihttp://hdl.handle.net/123456789/14426-
dc.descriptionOption : Administration et Sécurité des Reseauxen_US
dc.description.abstractLa sécurité des objets connectés soulève cependant plusieurs problèmes qui peuvent constituer des obstacles sérieux au déploiement ou à l'acceptation de l'IoT. La principale cause réside dans la faiblesse des capacités de calcul des objets connectés, qui les empêche d'utiliser les techniques de sécurité classique mises en œuvre dans l'Internet. Dans ce mémoire, nous présentons les algorithmes de classification pour la détection des botnets puis on les applique sur plusieurs ensembles de données pour comparer et opter à l'algorithme le plus performant.en_US
dc.language.isofren_US
dc.publisheruniversité A/Mira Bejaiaen_US
dc.subjectDétection de botnet : IoT : Apprentissage automatiqueen_US
dc.titleApproche par classification du problème de détection de botnetsen_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Approche_par_classification_du_probl_me_ded_tection_du_botnets(1).pdf1.14 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.