Please use this identifier to cite or link to this item: http://dspace.centre-univ-mila.dz/jspui/handle/123456789/3810
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAicha , Amoura , Djimli Zahra-
dc.date.accessioned2024-10-03T10:30:53Z-
dc.date.available2024-10-03T10:30:53Z-
dc.date.issued2024-06-
dc.identifier.citationInformatique Communication (STIC)en_US
dc.identifier.urihttp://dspace.centre-univ-mila.dz/jspui/handle/123456789/3810-
dc.descriptionThe field of the Internet of Things is very promising, as every day; many objects connect to the network. As a result, the risks of intrusion increase, making intrusion detection a major current issue. In this work, we have harnessed the power of Deep Learning for intrusion detection, especially given the availability of many datasets. We tested our models on the CICIoMT2024 dataset, which they had not been experimented before. The power of deep learning models coupled with the large amount of data —over height million instances— required us to use powerful NVIDIA resources. This work has validated certain results and opened new avenues of research.en_US
dc.description.abstractLe domaine de l’Internet des objets est très prometteur, car chaque jour, de nombreux objets se connectent au réseau. Par conséquent, les risques d’intrusion augmentent et la détection d’intrusion devient un sujet d'actualité majeur.Dans ce travail, nous avons exploité la puissance du Deep Learning pour la détection d’intrusions, surtout que cette dernière dispose de nombreuses datasets. Nous avons testé nos modèles sur le dataset CICIoMT2024, sur lequel ils n’avaient encore jamais été expérimentés. La puissance des modèles du Deep Learning, associée à la grande quantité de données huit millions d’instances, nous a contraints à utiliser des ressources puissantes de NVIDIA. Ce travail a permis de valider certains résultats et d’exploiter de nouvelles pistes de recherche.en_US
dc.language.isofren_US
dc.publisheruniversity center of abdalhafid boussouf - MILAen_US
dc.subjectCICIoMT2024, Deep Learning, Détection d’intrusion, Internet des objets, Réseau de neurones convolutif, Réseaux de neurones récurrentsen_US
dc.subjectCICIoMT2024, Convolutional Neural Network, Deep Learning, Intrusion Detection, Internet of Things, Recurrent Neural Networksen_US
dc.titleLe Deep Learning pour un système de détection d’intrusions.en_US
dc.typeThesisen_US
Appears in Collections:Computer science

Files in This Item:
File Description SizeFormat 
Le Deep Learning pour un système de détection d’intrusions.pdf3,26 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.