DSpace Repository

Implémentation d'un IDS basé sur des approches de machine et deep learning pour la détection d'attaques de botnets dans l'iot.

Show simple item record

dc.contributor.author Abbache, Imene
dc.contributor.author Aguemal, Karima
dc.contributor.author Amroun, Kamal;promoteur
dc.date.accessioned 2024-03-18T12:48:43Z
dc.date.available 2024-03-18T12:48:43Z
dc.date.issued 2023
dc.identifier.other 004mas/1161
dc.identifier.uri http://univ-bejaia.dz/dspace/123456789/23050
dc.description Option : Réseau et sécurité en_US
dc.description.abstract L’Internet des objets (IoT) représente l’une des révolutions numériques les plus importantes, offrant de nombreuses opportunités en interconnectant tous les objets du quotidien. Cependant, en raison de leur nature spécifique, ces objets sont plus vulnérables aux attaques des hackers. Les botnets constituent l’une des plus grandes menaces actuelles pour Internet, grˆace `a leur capacité`a mener des attaques distribuées par déeni de service (DDoS) `a tout moment. Ces attaques deviennent encore plus dévastatrices lorsqu’elles exploitent les capacités de calcul des objets connect´es, qui se transforment ainsi en unit´es de traitement ph´enom´enales lorsqu’elles sont combinées. Afin de faire face `a cette problématique, de nombreux travaux ont éte réalisés pour anticiper la propagation des botnets dans le contexte de développement de l’IoT, et pour proposer des solutions basées sur l’apprentissage automatique et l’apprentissage profond. Notre mod`ele proposé aborde la problématique de sécurité liée aux menaces posées par les bots. Diff´erents algorithmes d’apprentissage automatique tels que K plus proches voisins (KNN), la machine `a vecteur de support (SVM), l’arbre de décision (DT), les forets al´eatoire (RFC), le mod`ele de Bayes na¨ if, la régression logistique (LR), le mod`ele LDA et le réseau neuronal artificiel `a perceptron multicouche (MLP ANN) ont été utilisés pour développer un mod`ele o`u les données sont entraˆinées `a l’aide de l’ensemble de données BoT-IoT. Le meilleur algorithme a été sélectionn´e en se basant sur un point de réféence établi en fonction du pourcentage de l’accuracy et de la surface sous la courbe des caractéristiques de fonctionnement du récepteur (ROC AUC). La technique de sur échantillonnage synthétique des minorités (SMOTE) a été combinées avec les algorithmes d’apprentissage automatique (MLA). Enfin nous avons procédé `a une évaluation des performances de ces mod`eles. en_US
dc.language.iso fr en_US
dc.publisher Université Abderahmanr Mira Bejaia en_US
dc.subject IoT: Botnet : Deep learning: DDoS en_US
dc.title Implémentation d'un IDS basé sur des approches de machine et deep learning pour la détection d'attaques de botnets dans l'iot. en_US
dc.type Thesis en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account