Vers un framework d'évaluation de réseau et de recommendation basés sur l'intelligence artificielle
Auteur / Autrice : | Zineb Maasaoui |
Direction : | Ahmed Lbath, Abdella Battou |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 01/04/2021 |
Etablissement(s) : | Université Grenoble Alpes |
Ecole(s) doctorale(s) : | École doctorale mathématiques, sciences et technologies de l'information, informatique |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Informatique de Grenoble |
Equipe de recherche : MRIM - Modélisation et recherche d'information multimédia. |
Mots clés
Résumé
Au cours de ces dernières années, la gestion du trafic réseau et les risques de la cybersécurité sont devenus de plus en plus fréquents et l'étude de la performance des réseaux demeure essentielle pour intercepter les différentes attaques. Avec l'augmentation de la communication et du trafic internet, les menaces deviennent plus importantes et leurs conséquences peuvent être tragiques. De plus, la complexité de la métrologie des réseaux complique la gestion, l'étude et la prévention des futures attaques. En outre, avec l'apparition de l'apprentissage automatique et de l'intelligence artificielle, les anciennes méthodes d'analyse de la sécurité sont devenues obsolètes. Dans ce travail, nous voulons introduire un cadre dédié à l'évaluation de la sécurité des réseaux et à la surveillance en temps réel du trafic. Nous allons nous concentrer sur l'apprentissage automatique appliqué à la cybersécurité. Notre objectif principal est d'évaluer l'efficacité des différentes méthodes d'apprentissage automatique dans l'identification des menaces et d'éliminer les cybermenaces dans les systèmes d'entreprise et en temps réel.