| Titre : | Intrusion Detection in IoT Networks using Deep Learning Algorithms |
| Auteurs : | MOHAMMEDI Houari, Auteur ; MAHSER Kheireddine, Auteur ; GUENDOUZ Mohamed, Directeur de thèse |
| Type de document : | texte imprimé |
| Editeur : | Université Saïda– Dr. Tahar Moulay – Faculté de Technologie DBR.Télécommunications, 2023/2024 |
| Format : | 81 p |
| Accompagnement : | CD |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | apprentissage en profondeur ; Internet des objets ; attaque par déni de service distribué ; détection d'intrusion |
| Résumé : |
Internet est devenu un élément indissociable de la vie humaine et le nombre d’appareils
connectés à Internet augmente fortement. En particulier, les appareils Internet des objets (IoT) font désormais partie de la vie humaine quotidienne. Cependant, certains défis se multiplient et leurs solutions ne sont pas bien définies. De plus en plus de défis liés à la sécurité technologique concernant l’IoT apparaissent. De nombreuses méthodes ont été développées pour sécuriser les réseaux IoT, mais bien d’autres peuvent encore être développées. L’un des moyens proposés pour améliorer la sécurité de l’IoT consiste à utiliser l’apprentissage automatique. Cette recherche aborde plusieurs stratégies d'apprentissage profond, ainsi que des ensembles de données standard pour améliorer les performances de sécurité de l'IoT. Nous avons développé un algorithme de détection des attaques par déni de service (DoS) à l'aide d'un algorithme d'apprentissage en profondeur. Cette recherche a utilisé le langage de programmation Python avec des packages tels que scikit-learn, TensorFlow. Nous avons constaté qu'un modèle d'apprentissage en profondeur pourrait accroître la précision afin que l'atténuation des attaques qui se produisent sur un réseau IoT soit aussi efficace que possible. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
Intrusion Detection in IoT Networks using Deep Learning Algorithms Adobe Acrobat PDF |
