Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/186
Title: Anomaly-based Intrusion Detection System for IoT network using machine learning and deep learning techniques
Authors: RAFAA, HOuria
MEKKAOUI, AYoub
Keywords: Internet Of Things
Anomaly Detection
Machine Learning
Deep Learning
Security
Issue Date: 2020
Abstract: The InternetofThings(IoT)isasystemofinterconnectedobjectsthatenablesthecom- municationofhumanswithdifferentdevices.Ithasexpandedintoseveralareassuchas health, agriculture.However,thenatureoftheIoTarchitecturehascreatednewsecurity challenges,especiallyintheIoTnetworkwhichpresentsthelargestscaleofanIoTsystem. Anomaly-based intrusiondetectionsystems(IDSs)areaneffectivewaytopreventabnor- mal trafficintheIoTnetwork.ItisknownthattheIoTarchitectureisgettingmorecompli- cated daybyday,whichmakestraditionalmethodslikestatistical-basedorknowledge-based for anomalydetectionfacedifficultiesdetectingunknownattacksinreal-time.Therefore, machinelearninganddeeplearningtechniqueshowexcellentperformanceindetectingsmall anomalous dataovertime.Theseadvancedtechniquesgiveresilientmechanismstoprevent novelattacksduetoitshigh-levelofdiscoveringhiddenpatternsinthedata. The goalofthisworkistoprovideasetofresearchthatproposesanomaly-basedintrusion detection systemusingmachinelearninganddeeplearningtechniques.Wethenthoroughly discuss theadvantagesandtheshortcomingofeachapproach.Ourreportalsopresentsviaa summary tableacomparisonofthepresentedapproaches.Finally,ourconclusionandfuture workareidentified.*** L’internetdesobjets(IoT)estunsystèmed’objetsinterconnectésquipermetlacommu- nication deshumainsavecdifférentsappareils.Ilapus’étendreàplusieursdomainestels que lasanté,l’agriculture.Cependant,lanaturedel’architectureIotaacréédenouveaux défis desécurité,enparticulierlasécuritéduréseauIotquiprésentelaplusgrandeéchelle d’un systèmeIoT. Les systèmesdedétectiond’intrusion(IDS)àbased’anomaliessontunmoyenefficacede prévenirletraficanormaldansleréseauIot.Ilestconnuquel’architectureIoTsecomplique de jourenjour,cequirendlesméthodestraditionnellescommelesméthodesbaséessur les statistiqueoubaséessurlaconnaissancepourladétectiond’anomaliesconfrontentdes difficultés dedétectiond’attaquesinconnuesentempsréel.Parconséquent,l’apprentissage automatique etl’apprentissageprofondmontrentdesperformancesexcellentesdedétection de petitesanomaliesaufildutemps.Cestechniquesavancéesoffrentunmécanismerésilient pourempêcherdenouvellesattaquesgrâceàlagrandeaptitudededécouvertedepatterns cachésdanslesdonnées. L’objectifdecetravailestdefournirunensemblederecherchesquiontproposéunsys- tème dedétectiond’intrusionsàbased’anomaliesenutilisantdestechniquesd’apprentissage automatique etd’apprentissageprofond.Nousdiscutonsensuiteenprofondeurdesavantages et desinconvénientsdechaqueapproche.Notrerapportprésenteégalementviauntableau récapitulatif unecomparaisondesapprochesprésentées.Uneconclusionetnosfutureper- spectivessontidentifiées.
Description: Mr MALKI Mimoun /Mr MALKI Abdelhamid/Mr BENABDERRAHMANE Sid Ahmed Encadreur
URI: https://repository.esi-sba.dz/jspui/handle/123456789/186
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
MASTER-REPORT-RAFAA-MEKKAOUI.pdf834,99 kBAdobe PDFView/Open
Show full item record


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