Méthodes d’apprentissage en détection d’intrusion
| dc.contributor.author | Loucif ,Asma | |
| dc.contributor.author | Berrak ,Insaf | |
| dc.contributor.author | NAFIR, Abdenacer | |
| dc.contributor.author | MAZOUZI ,Smaine | |
| dc.date.accessioned | 2025-04-20T13:45:55Z | |
| dc.date.available | 2025-04-20T13:45:55Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | 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. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/4617 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | Méthodes d’apprentissage en détection d’intrusion | |
| dc.title.alternative | Réseaux et Systèmes Distribués (RSD) | |
| dc.type | Mémoire de Master |