Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "NAFIR, Abdenacer"

Now showing 1 - 2 of 2
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Détection de Spam par les Techniques de L' intelligence Artificielle( iA)
    (Faculté des Sciences, 2024) BALASKA , Zahia; KHALDI, Sabrina; NAFIR, Abdenacer; MAZOUZI ,Smaine
    Au cours des dernières décennies, l'utilisation du courrier électronique s'est généralisée, entraînant des spams ou des messages frauduleux. L'intelligence artificielle (IA) et surtout le Machine Learning est une solution prometteuse pour classer ces messages en deux catégories : les messages SPAM et les HAM. Cependant, cette approche de classification montre des performances insatisfaisantes en raison du faible taux de réussite de la classification des messages valides. Dans ce travail, nous allons expérimenter quelques modèles les plus utilisés pour la classification de texte ces dernières années et découvrir quel modèle est le meilleur pour résoudre ce problème.
  • Loading...
    Thumbnail Image
    Item
    Méthodes d’apprentissage en détection d’intrusion
    (Faculté des Sciences, 2022) Loucif ,Asma; Berrak ,Insaf; NAFIR, Abdenacer; MAZOUZI ,Smaine
    Malgré la multiplicité des outils de protections qui se font offrir sur le marché de sécurité, les systèmes informatiques, et plus particulièrement ces systèmes connectés sont soumis à d’intenses attaques, qui tentent dans leur majorité à prendre le contrôle des systèmes par diverses techniques ingénieuses d’intrusion. Ce travail illustre l’utilisation de la méthode boosting avec quelques techniques d’apprentissage automatique à savoir le naiveBayes, et l’arbre de décision où nous avons comparé leurs précisions et leurs temps d’exécution afin d’obtenir le meilleur modèle pour les systèmes de détection d’intrusion.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback