Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/14482
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAbiza, Imad-
dc.contributor.authorAmroun, Kamal ;promoteur-
dc.date.accessioned2021-02-17T13:51:20Z-
dc.date.available2021-02-17T13:51:20Z-
dc.date.issued2020-
dc.identifier.urihttp://hdl.handle.net/123456789/14482-
dc.descriptionOption : Réseaux et Système Distributionen_US
dc.description.abstractDans 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.isofren_US
dc.publisheruniv. A/Mira .Bejaiaen_US
dc.subjectMachine learning : Les systèmes de détections : Réseaux de neuronesen_US
dc.titleLes systèmes de détections d'intrusion basés sur machine learningen_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
page-de-garde-1-fusionné.pdf1.98 MBAdobe PDFView/Open


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