Please use this identifier to cite or link to this item:
http://univ-bejaia.dz/dspace/123456789/14426
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Messouaf, Yacine | - |
dc.contributor.author | Amroun, Kamal ; promoteur | - |
dc.date.accessioned | 2021-02-16T10:20:14Z | - |
dc.date.available | 2021-02-16T10:20:14Z | - |
dc.date.issued | 2020 | - |
dc.identifier.uri | http://hdl.handle.net/123456789/14426 | - |
dc.description | Option : Administration et Sécurité des Reseaux | en_US |
dc.description.abstract | La 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.iso | fr | en_US |
dc.publisher | université A/Mira Bejaia | en_US |
dc.subject | Détection de botnet : IoT : Apprentissage automatique | en_US |
dc.title | Approche par classification du problème de détection de botnets | en_US |
dc.type | Thesis | en_US |
Appears in Collections: | Mémoires de Master |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Approche_par_classification_du_probl_me_ded_tection_du_botnets(1).pdf | 1.14 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.