Proposition d’une Solution pour la Reconnaissance des Appareils de l'Internet des Objets grâce à l'Analyse du Trafic Réseau

Abstract

Avec l’adoption à grande échelle de l'Internet des objets (IoT), les problèmes de sécurité, de gestion et de maintenance sont devenus de plus en plus proéminent. L'identification des appareils est un moyen efficace de garantir ces actions dans l'environnement IoT en identifiant la catégorie ou le modèle des appareils dans le réseau. Le but de notre projet étant de faire une classification des appareils IoT avec l’analyse de traf ic réseaux à l’aide des modèles d’apprentissage automatique et de Deep learning, nous avons utilisé neuf (09) algorithmes d’apprentissage supervisé et apprentissage prof ond (dont KNN, ANN, Arbre de décision, XGBoost…) sur un dataset public « Aalto_IoTDevID » pour classifier 27 appareils IoT. Selon les données utilisées, l’algorithme qui était le plus perf ormant est l’algorithme des Arbres de Décision avec un taux d’accuracy égal à 99%. Ce dernier a donc été choisi pour développer une application web mettant en avant les objectifs du projet. Mots clés : Analyse du Trafic Réseau, Internet des Objets, Classification des Appareils du Réseau, Apprentissage automatique, Apprentissage profond.