Un effectif système de détection d’intrusion pour l’amélioration de la précision
Des informations générales:
Le niveau |
Master |
Titre |
Un effectif système de détection d’intrusion pour l’amélioration de la précision |
SPECIALITE |
Réseau et télécommunication |
Page de garde:
Sommaire:
Remerciement
•
Chapitre 01: les systèmes de détection d’intrusion
1. Introduction
2. Définition d’un système de détection d’intrusions
3. Architecture Intrusion Détection System
4. Classification des systèmes de détections d’intrusion :
5. Types de systèmes de détections d’intrusion
a. Système de détection d’intrusion basé sur un hôte
b. Système de détection d’intrusion basé sur le réseau
6. Les techniques de détection d’IDS
7. Conclusion
Chapitre 02: Machine Learning.
1. Introduction
2 Machine Learning
2.1 Deep Learning.
2.2La relation entre l’intelligence artificielle, apprentissage autonome, données
2.3Catégories de Machine Learning
2.3.1 Machine Learning avec supervision
2.3.2 Machine Learning sans supervision
PCA
3 Les techniques de la sélection features.
2.3.3 Machine Learning par renforcement
2.4Algorithmes de Machine Learning
2.4.1 Algorithme de Classification
2.4.2 Linéaire régression
2.4.1.1 Approche détaillée
Chapitre 3: L’approche proposé et l’implémentation.
1. Introduction
2. L’approche proposée.
3. Matériel:
4. Le jeu de données utilisé.
4 Conclusion:
4.1 Le Langage Python
.4.2 Colaboratory ‘Colab’.
4.3. Bibliothèques Supplémentaires :
4.4. Chargement des données du Dataset.
4.5. Nettoyage des données.
4.6. Normalisation des données.
4.7. Définir le model.
4.9. La courbe ROC
4.10. Rapport de classification (Classification report)
4.11. Définition des termes :.
5. Conclusion:
•
Chapitre 01: les systèmes de détection d’intrusion
1. Introduction
2. Définition d’un système de détection d’intrusions
3. Architecture Intrusion Détection System
4. Classification des systèmes de détections d’intrusion :
5. Types de systèmes de détections d’intrusion
a. Système de détection d’intrusion basé sur un hôte
b. Système de détection d’intrusion basé sur le réseau
6. Les techniques de détection d’IDS
7. Conclusion
Chapitre 02: Machine Learning.
1. Introduction
2 Machine Learning
2.1 Deep Learning.
2.2La relation entre l’intelligence artificielle, apprentissage autonome, données
2.3Catégories de Machine Learning
2.3.1 Machine Learning avec supervision
2.3.2 Machine Learning sans supervision
PCA
3 Les techniques de la sélection features.
2.3.3 Machine Learning par renforcement
2.4Algorithmes de Machine Learning
2.4.1 Algorithme de Classification
2.4.2 Linéaire régression
2.4.1.1 Approche détaillée
Chapitre 3: L’approche proposé et l’implémentation.
1. Introduction
2. L’approche proposée.
3. Matériel:
4. Le jeu de données utilisé.
4 Conclusion:
4.1 Le Langage Python
.4.2 Colaboratory ‘Colab’.
4.3. Bibliothèques Supplémentaires :
4.4. Chargement des données du Dataset.
4.5. Nettoyage des données.
4.6. Normalisation des données.
4.7. Définir le model.
4.9. La courbe ROC
4.10. Rapport de classification (Classification report)
4.11. Définition des termes :.
5. Conclusion:
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.