Détection des attaques DoS et DDoS en utilisant le modèle SVM
| dc.contributor.author | Betache imen | |
| dc.contributor.author | Amirat manel | |
| dc.contributor.author | Boutaghane, Rafika | |
| dc.date.accessioned | 2025-10-08T09:27:05Z | |
| dc.date.available | 2025-10-08T09:27:05Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | La multiplication des attaques DoS et DDoS constitue aujourd’hui un défi majeur en matière de cybersécurité. En effet, ces types d’attaques visent à mettre hors service des services des systèmes en les surchargeant de ressources. Ainsi pour détecter et ainsi contrer ces attaques, l’idée d’intégrer des algorithmes d’apprentissage automatique aux systèmes de détection d’intrusion est venue à l’esprit. Pour cela, nous avons proposé un modèle de classification basé sur SVM afin de différencier trois types de trafic réseau. Il s’agit des attaques DoS et DDos et trafic BENIGN. De plus, ce modèle a été développé en utilisant “CICIDS2017” comme données de base. Dans un premier temps, les données ont bénéficié d’un traitement préalable rigoureux de prétraitement, de normalisation avant l’équilibrage des différents class et l’entrainement de cette modèle en utilisant un SVM avec un noyau RBF. Les résultats obtenus sont très encourageants, avec une précision de 98,58 %, démontrant l’efficacité du modèle proposé sans optimisation avancée. Ce travail met en évidence le potentiel de SVM pour renforcer les mécanismes de défense contre les cyberattaques, tout en soulignant les limites et perspectives pour des recherches futures | |
| dc.identifier.uri | https://dspace.enset-skikda.dz/handle/123456789/235 | |
| dc.language.iso | fr | |
| dc.publisher | Ecole Normal supérieure de l’Easeignement Technologique– skikda– | |
| dc.title | Détection des attaques DoS et DDoS en utilisant le modèle SVM | |
| dc.type | Mémoire de fin d’études pour l’obtention du diplôves de professeur de l’enseignement moyen |