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 |