| dc.contributor.author | Abiza, Imad | |
| dc.contributor.author | Amroun, Kamal ;promoteur | |
| dc.date.accessioned | 2021-02-17T13:51:20Z | |
| dc.date.available | 2021-02-17T13:51:20Z | |
| dc.date.issued | 2020 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/14482 | |
| 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 |