Une étude de techniques de classification et de clustering en détection d’intrusion
| dc.contributor.author | CHOUMAH ,Rayenne | |
| dc.contributor.author | ALI BOUAITA ,Nour | |
| dc.contributor.author | NAFIR ,Abde nacer | |
| dc.contributor.author | MAZOUZI ,Smaine | |
| dc.date.accessioned | 2025-04-21T09:21:54Z | |
| dc.date.available | 2025-04-21T09:21:54Z | |
| dc.date.issued | 2022 | |
| dc.description.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 | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/4631 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | Une étude de techniques de classification et de clustering en détection d’intrusion | |
| dc.title.alternative | Systèmes Informatiques (SI) | |
| dc.type | Thesis |