Détection d'intrusion et contrôle d'accès dans les réseaux IoT.

Abstract

Dans ce mémoire de fin d'étude, nous avons proposé un modéle de détection d'intrusion dans le cas d'une maison intelligente. Le modéle proposé utilise un système de reconnaissance faciale au moyen de vidéo de surveillance tout en se basant sur des techniques d'Intelligence Artificielle et des algorithmes de Machine Learning, à savoir : PCA, SVM et LDA. Nous avons ensuite implémenté et évalué la proposition en utilisant le langage de programmation Python. L'évaluation de performance du modéle proposé : PCA pour le pré-traitement des données, SVM pour la classification ainsi que LDA, a été réalisée en calculant plusieurs métriques et en variant le nombre de caractéristiques PCA ainsi que la dimension des images, tout en sachant que les images du Dataset ont été capturées depuis des vidéos. L'analyse des résultats montrent que l'approche PCA combinée SVM (PCA+SVM) est légèrement meilleure que PCA combinée LDA (PCA+LDA) bien que les deux soient satisfaisantes.