Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/417
Full metadata record
DC FieldValueLanguage
dc.contributor.authorLAHMAR, MOhammed ABdrrahim-
dc.contributor.authorDJELLOUL DAOUADJI, FAdela-
dc.date.accessioned2023-10-08T10:02:29Z-
dc.date.available2023-10-08T10:02:29Z-
dc.date.issued2023-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/417-
dc.descriptionEncadreur : M. KHALDI Milouden_US
dc.description.abstractDespite the numerous benefits offered by the Internet, the security of its components and data transfers is a major concern. With the increasing number of interconnected devices, it becomes easier for intruders to breach the system and access sensitive data. This presents a significant challenge for developers and organizations. To address this issue, a many of machine learning based intrusion detection systems were proposed. These systems are designed to detect any suspicious activity or false requests submitted by intruders with the intention of disrupting the operation of the system. It is crucial to have a reliable security system that can detect any intrusion during all phases of the execution process. In summary, a background of anomaly detection, intrusion detection systems and artificial intelligence will be presented. Afterwards, we will present many machine learning based intrusion detection systems. Finally, we will make a comparison between them.*** Malgré les nombreux avantages offerts par l’internet, la sécurité de ses composants et des transferts de données est une préoccupation majeure. Avec le nombre croissant d’appareils interconnectés, il devient plus facile pour les intrus de violer le système et d’accéder à des données sensibles. Cela représente un défi important pour les développeurs et les organisations. Pour résoudre ce problème, de nombreux systèmes de détection d’intrusion basés sur l’apprentissage automatique ont été proposés. Ces systèmes sont conçus pour détecter toute activité suspecte ou toute fausse demande soumise par des intrus dans le but de perturber le fonctionnement du système. Il est essentiel de disposer d’un système de sécurité fiable capable de détecter toute intrusion durant toutes les phases du processus d’exécution. En résumé, nous présenterons le contexte de la détection d’anomalies, des systèmes de détection d’intrusion et de l’intelligence artificielle. Ensuite, nous présenterons de nombreux systèmes de détection d’intrusion basés sur l’apprentissage automatique. Enfin, on va les comparer.en_US
dc.language.isoenen_US
dc.subjectArtificial Intelligence (AI)en_US
dc.subjectMachine Learning (ML)en_US
dc.subjectIntrusion Detection System (IDS)en_US
dc.subjectAnomaly Detectionen_US
dc.subjectFeatures Selectionen_US
dc.titleA Comparative Study of Machine Learning Based Intrusion Detection Methodsen_US
dc.typeThesisen_US
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
Master_2023_Lahmar_DjelloulDaouadji_Comparative_study_of_Machine_Learning_Based_Intrusion_Detection_Methods (1)-1-1.pdf80,11 kBAdobe PDFView/Open
Show simple item record


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