DETECTION D’INTRUSION SUR UN RESEAU : APPRENTISSAGE AUTOMATIQUE
- Contexte: surveiller les activités du réseau pour identifier des comportements suspects ou malveillants qui pourraient indiquer qu’’une attaque est en cours ou qu’’un système informatique a été compromis.
- Objectif: Faire une analyse des données d’un système de détection d’intrusion (IDS) afin de prévoir si un événement futur est susceptible d’être une attaque ou non, en utilisant un algorithme d’apprentissage automatique en fonction des caractéristiques,des événements et des modèles identifiés lors de l’entraînement.
- Méthodologie:
- La base de données de référence Network Intrusion Detection dataset a été téléchargée à partir de Kaggle. .
- Procéder à une phase de prétraitement.
- Classification pour l’entraînement d’un modèle capable de prédire l’état du conducteur.
- Résultats: nous avons utilisé L’arbre de décision comme algorithme ce qui a permis d’avoir un très bon résultat.
- Conclusion: Obtention de résultats intéressants avec l’utilisation de l’algorithme de classification binaire Arbre de Décision et amélioration le processus de pré-traitement pour avoir une prédiction meilleur.
Présenté par
Elfrid Tatiana ATEMKENG KAMDOM, étudiante en Maîtrise en informatique option Recherche.
