Machine Learning et Sécurité

  • Trésor Detomal Remadji

Thèse de l'étudiant: Master typesMaster en sciences informatiques

Résumé

Le domaine de la cybersécurité est un domaine très vaste qui vise essentiellement à apporter une protection à des systèmes informatisés. Le Machine Learning est l’une des techniques servant à aider dans les prises de décisions face aux différents problèmes liés à la sécurité informatique. L’objectif clé de l’utilisation du Machine Learning est d’apporter une solution à des problématiques telles que l’authentification via la biométrie, la détection d’intrusion, la détection des botnets, la détection des tunnels DNS, la détection des DGA, la détection des injections SQL, la détection des spams ainsi que la corrélation d’alertes. Sur base des jeux de données, nous avons proposé une amélioration de l’implémentation pour la détection des spams en utilisant le Pipeline afin de combiner le GridSearchCV afin de trouver les hyper-paramètres du Naïve Bayes. Cette amélioration a permis d’obtenir une précision de 99% ainsi qu’un rappel de 99%. Nous allons également explorer les autres algorithmes du Machine Learning tels que le Support Vector Machine (SVM), l’arbre de décision, la Régression Logistique (RL) afin d’analyser les résultats.
Date de réussite20 juin 2019
langueFrançais
Institution diplomante
  • Université de Namur
SuperviseurJean-Noël Colin (Promoteur)

Citer ceci

Machine Learning et Sécurité
Detomal Remadji, T. (Auteur). 20 juin 2019

Thèse de l'étudiant: Master typesMaster en sciences informatiques