| Titre : | SecTalk : système intelligent qui explique les alertes de sécurité en langage naturel |
| Auteurs : | BOUAMOUD Yasmine, Auteur ; Bouarara Hadj Ahmed, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saïda – Dr. Moulay Tahar – Faculté des Mathématiques, de l’Informatique et des Télécommunications, 2025/2026 |
| Format : | 92 ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 008557 |
| Catégories : | |
| Mots-clés: | الحوادث ،التنبيهات تفسير ،اللغوية النماذج ،اآللي التعلم ،التوليدي االصطناعي الذكاء ،التسلل كشف ،سيبراني ال األمن : RAG ، : Cybersecurity, Intrusion Detection, Generative Artificial Intelligence, Machine Learning, Language Models, Alert Explanation, RAG.نية : Cybersécurité, Détection d’intrusion, Intelligence Artificielle Générative, Machine Learning, Modèles de Langage, Explication des alertes, RAG. |
| Résumé : |
ملخص
أن إال .األهمية بالغ ًأمرا ،الرقمية التحتية للبنى المتزايد والتعقيد السيبرانية للتهديدات المستمر التزايد مع ،المعلوماتي األمن أنظمة أصبحت الهجمات كشف عملية تحسين يهدف وقد .للمستخدمين بالنسبة ً صعبا ً أمرا واستغاللها فهمها يجعل مما ،ومعقدة تقنية تكون ما ً غالبا التنبيهات هذه يسمى ً ذكيا ً نظاما العمل هذا يقدم ،السياق هذا في .ًسريعا ًتحليال تتطلب التي للتنبيهات ودقيق سريع تحليل ىإل األمنية التنبيهات وفهم بلغة شروحات إلنتاج التوليدي االصطناعي الذكاء تقنيات مع الشبكية الهجمات عن للكشف اآللي التعلم تقنيات دمج على يعتمد ، SecTalk .أفضل بشكل تالتنبيها فهم على تساعد طبيعية من سلسلة على النظام يعتمد .السيبراني األمن في متخصصة معرفة قاعدة من ً انطالقا سياقية تفسيرات توليد على المقترحة المقاربة تعتمد معلومات إلى قنيةالت التنبيهات تحويل في المقاربة هذه وتساهم .سياقية تفسيرات وتوليد األمنية األحداث وتصنيف البيانات معالجة تشمل المراحل اآللي مالتعل بين الجمع أهمية العمل هذا يبرز .تفسيرها وتحسين التنبيهات إدارة يسهل مما ،للمستخدمين بالنسبة الفهم في وسهولة ً وضوحا أكثر .األمنية التنبيهات تفسير تحسين أجل من السيبراني األمن مجال في اللغوية والنماذج Résumé Abstract With the continuous growth of cyber threats and the increasing complexity of digital infrastructures, security systems generate a large number of alerts that require rapid and accurate analysis. However, these alerts are often highly technical and difficult to interpret, making their exploitation and decision-making processes more challenging for users. In this context, this thesis presents SecTalk, an intelligent system designed to improve both the detection and understanding of security alerts. The proposed approach combines machine learning techniques for network attack detection with generative artificial intelligence techniques for producing natural language explanations. The system relies on a complete process that includes data preparation, security event classification, and the generation of contextualized explanations based on a cybersecurity knowledge base. This approach transforms technical alerts into more accessible and understandable information for users. This work highlights the value of combining machine learning and language models in cybersecurity to enhance alert interpretation and facilitate security incident management. Résumé Face à l’augmentation constante des cybermenaces et à la complexité croissante des infrastructures numériques, les systèmes de sécurité génèrent un volume important d’alertes qui nécessitent une analyse rapide et précise. Cependant, ces alertes sont souvent techniques et difficiles à interpréter, ce qui complique leur exploitation et la prise de décision par les utilisateurs. Dans ce contexte, ce mémoire propose SecTalk, un système intelligent visant à améliorer la détection et la compréhension des alertes de sécurité. L’approche adoptée combine des techniques d’apprentissage automatique pour l’identification des attaques réseau et des techniques d’intelligence artificielle générative pour la production d’explications en langage naturel. Le système s’appuie sur un processus complet incluant la préparation des données, la classification des événements de sécurité et la génération d’explications contextualisées à partir d’une base de connaissances spécialisée en cybersécurité. Cette approche permet de transformer des alertes techniques en informations plus accessibles et compréhensibles pour les utilisateurs. Ce travail met ainsi en évidence l’intérêt de l’intégration conjointe du machine learning et des modèles de langage dans le domaine de la cybersécurité, afin d’améliorer l’interprétation des alertes et de faciliter la gestion des incidents de sécurité. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008557 Adobe Acrobat PDF |
