Une étude de techniques de classification et de clustering en détection d’intrusion
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
Les réseaux informatiques sont exposés aux plusieurs types d’attaques c’est pour cela nous avons besoins des moyens pour les protéger. Parmi ces moyens nous citons les systèmes
de détection d’intrusions. Cependant, avec l’évolution qui a touché les techniques d’attaques,
ces systèmes ne donnent plus de bons résultats. Dans ce mémoire, nous avons mené une étude
expérimentale pour décider quel est le classifieur le plus approprié aux données de la base d’intrusions KDD. Nous avons considéré quatre classifieurs à savoir le naive bayes, l’arbre de décision (C4.5), arbre aléatoire, k-plus proche voisins (Knn), et le cluster k means .et nous avons comparé leurs précisions et leurs temps d’exécution