| Titre : | Conception et mise en œuvre d'un système de détection d'intrusion intelligent pour les réseaux IoT |
| Auteurs : | Kadi El habib, Auteur ; Houacine abdelkrim, Directeur de thèse |
| Type de document : | texte manuscrit |
| Format : | 107ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008522 |
| Catégories : |
Mémoire de Master en informatique Spécialité : Réseaux Informatiques et Systèmes Répartis (RISR) |
| Mots-clés: | : IoT, IDS, Machine Learning, Random Forest, Cooja, Détection d'intrusion, Fe- nêtre glissante, Réseaux de capteurs. : IoT, IDS, Machine Learning, Random Forest, Cooja, Intrusion Detection, Sliding Window, Wireless Sensor Networks ،Random Forest،Cooja ، المراقبة في ، النافذة المنزلقة، شبكات االستشعار الالسلكية . |
| Résumé : |
La sécurité des réseaux IoT constitue un défi majeur en raison des ressources limitées
des équipements connectés et de la diversité des attaques qui les ciblent. Ce mémoire présente la conception et la mise en œuvre d'un système de détection d'intrusion (IDS) intelligent, orienté live, capable de détecter plusieurs types d'attaques IoT dans un environnement simulé. La contribution principale réside dans la construction d'un pipeline de détection continu, reliant le simulateur Cooja, un mécanisme d'extraction de features par fenêtre glissante et un modèle Random Forest, le tout supervisé par un dashboard web développé avec FastAPI et WebSocket. Le modèle a été entraîné sur un dataset original construit à partir de simulations couvrant neuf comportements réseau distincts. Dix features réseau — mesurant l'envoi, la réception, les pertes, les délais et la cohérence des échanges — ont été extraites et justifiées analytiquement. La validation expérimentale, conduite sur 6 702 prédictions, établit une accuracy glo- bale de 80,53 %, avec huit classes correctement identifiées sur neuf. Les confusions résiduelles, se concentrant désormais entre les attaques selective, forwarding et rou- ting_blackhole, s'expliquent par la forte similarité de leurs signatures de perte de pa- quets dans l'espace des features retenues. The security of IoT networks remains a significant challenge, given the resource constraints of connected devices and the growing diversity of threats targeting these environments. This thesis presents the design and implementation of an intelligent, live-oriented intrusion detection system (IDS) for simulated IoT net- works. The main contribution of this work lies in the development of a continuous detection pipeline that connects the Cooja network simulator, a sliding-window feature extraction mechanism, and a Random Forest classifier, all integrated with a web dashboard built on FastAPI and WebSocket. The model was trained on an original dataset constructed from Cooja simulations covering nine distinct net- work behaviors. Ten network features — capturing transmission rate, reception, packet loss, response delay, and communication consistency — were extracted and analytically justified. Experimental validation on 6,702 predictions yields an overall accuracy of 80.53%, with eight out of nine classes correctly identified. Residual confusion, now primarily concentrated among selective, forwarding, and routing_blackhole attacks, is attributed to the strong similarity of their packet loss signatures in the retained feature space. يُعد ُّ أمن شبكات إنترنت األشياء تحديا ً بالغ األهمية، نظرا ً لمحدودية موارد األجهزة المتصلة وتنوع التهديدات التي تستهدفها.يقدم هذا البحث تصميم وتنفيذ نظام ذكي للكشف عن التسلل، يعمل في الوقت الفعلي، ومخصص لشبكات إنترنت األشياء المحاكاة. تتمثل المساهمة الرئيسية لهذا العمل في تطوير مسار معالجة بيانات مستمر يربط بين محاكي الشبكات، وآلية الستخراج الخصائص تعتمد على تقنية النافذة المنزلقة، ونموذج الغابة العشوائيةللتصنيف.تم دمج هذا النظام مع واجهة ويب للمراقبة مبنية بتقنيات االتصال المباشر . تم تدريب النموذج باستخدام مجموعة بيانات أصلية تم توليدها عبر المحاكي، وتشمل تسعة سلوكيات شبكية مختلفة. وقد تم استخراج وعزل عشر خصائص شبكية تعكس معدالت اإلرسال واالستقبال، وحجم فقدان الحزم، وزمن االستجابة، وتناسق االتصاالت، مع تقديم تبرير تحليلي دقيق الختيار كل منها . أظهرت نتائج التحقق التجريبي، والتي شملت6702 عينة اختبار، تحقيق دقة إجمالية بلغت 80.53 بالمائة، مع نجاح النظام في التعرف الصحيح على ثمانية أصناف من أصل تسعة.أما حاالت الخلط المتبقية، والتي تنحصر بشكل أساسي بين هجمات الحجباالنتقائي والتوجيه الخبيث، فتُعزى إلى التشابه الكبير في األنماط السلوكية لفقدان الحزم الخاصة بها ضمن نطاق الخصائص المدروسة. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
8521 Adobe Acrobat PDF |
