Résumé:
Les attaques deviennent de plus en plus courantes, et les données stockées sur Internet sont
maintenant plus ciblées que jamais.
Assurer la protection des informations critiques est d'une importance capitale.
Dans le cadre de cet effort, mon projet vise à développer une approche basée sur l'apprentissage automatique pour la détection des intrusions sur le réseau. Plus précisément, je propose de combiner les algorithmes NIDS (Network Intrusion Detection System) avec les CNN (Convolutional Neural Network) afin d'identifier et de prévenir les attaques quotidiennes auxquelles nous sommes confrontés sur les réseaux.
Cette approche innovante représente une solution prometteuse pour détecter et atténuer efficacement les menaces de cybersécurité.
En utilisant la base de données kdd99 comme référence pour mon étude, je peux mettre en œuvre l'apprentissage en profondeur en utilisant l'algorithme CNN, car il s'est avéré être le plus précis parmi les trois méthodes (DNN, RNN, CNN).
