Application des techniques de data mining et de machine learning pour la détection d'intrusions

Abstract

Aujourd'hui, la technologie de l'information et de la communication s'impose de plus en plus dans de nombreux domaines. Toutefois, cette évolution s'est malheureusement accompagnée d'une augmentation constante du piratage et de la cybercriminalité. Devant cette situation, et afin d'assurer la sécurité des systèmes informatiques, plusieurs outils ont été développés, parmi lesquels on trouve les systèmes de détection d'intrusions (IDS). Un IDS représente tout outil, méthode ou approche qui nous aide à prévoir ou à identifier toute activité non autorisée dans un réseau ou dans une machine. Dans le cadre de ce projet de fin d'étude, nous visons à étudier et à expérimenter l'application de certaines techniques de l'apprentissage automatique et du data mining dans le domaine de la détection d'intrusion. Les résultats obtenus, sur les données du bench-mark NSL-KDD, nous ont permis de déduire laquelle de ces techniques est plus adaptée à la détection d'intrusions.