Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/41059
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBoussaidi, Rofeida-
dc.contributor.authorMessaoudi, Tassadit-
dc.contributor.authorKaouachi, Asmaa Iman. ( Promotrice )-
dc.contributor.authorBenaissa, Rachid. ( Promoteur )-
dc.date.accessioned2025-12-01T11:24:05Z-
dc.date.available2025-12-01T11:24:05Z-
dc.date.issued2005-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/41059-
dc.descriptionill., Bibliogr. Cote:022/2025 Option Télécommunication Spatialesfr_FR
dc.description.abstractLes réseaux de sixième génération (6G) représentent un bond majeur dans les télécommunications modernes, offrant des vitesses ultra-rapides, une latence minimale et la capacité de connecter un nombre massif dappareils. Toutefois, ces avancées technologiques introduisent également dimportants défis en matière de cybersécurité, notamment les attaques par déni de service (DoS) et par déni de service distribué (DDoS), qui menacent la stabilité, la disponibilité et la fiabilité des infrastructures 6G. Cette dissertation propose un protocole de sécurité intelligent basé sur les modèles de langage de grande taille (LLM), tirant parti de leurs capacités avancées en analyse de données et détection danomalies pour sécuriser le trafic réseau. La plateforme PROGRES a été adoptée comme cas dutilisation réel pour simuler des scénarios dattaques DoS/DDoS dans un environnement réaliste, en utilisant une version modifiée du jeu de données CICIDS2017, adaptée au contexte 6G. Létude évalue à la fois les modèles traditionnels dapprentissage automatique (ML), tels que Random Forest (RF), K-Nearest Neighbors (KNN), la régression logistique (LR), larbre de décision (DT) et les machines à vecteurs de support (SVM), ainsi que les LLM avancés, notamment ELECTRA, DistilGPT-2 et DistilBERT. Tous les modèles ont été évalués selon un ensemble complet de métriques : exactitude, précision, rappel, score F1, débit, latence, utilisation des ressources et consommation énergétique. Les résultats ont révélé que DistilBERT surpassait les autres modèles en termes de précision de détection et de fiabilité, bien quil exige davantage de ressources informatiques. En revanche, les modèles ML traditionnels ont montré une meilleure efficacité en matière de vitesse et de consommation de ressources, mais au détriment de la précision. Ces résultats soulignent le potentiel des LLM pour renforcer la sécurité des systèmes de communication sans fil 6G, tout en mettant en lumière la nécessité déquilibrer les performances et lefficacité computationnelle pour un déploiement pratique. Mots clés: Réseaux 6G, Sécurité, Attaques DoS/DDoS, Disponibilité du système, LLMs, DistilBERT.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 01fr_FR
dc.subjectRéseaux 6Gfr_FR
dc.subjectSécuritéfr_FR
dc.subjectAttaques DoS/DDoSfr_FR
dc.subjectDisponibilité du systèmefr_FR
dc.subjectLLMsfr_FR
dc.subjectDistilBERTfr_FR
dc.titleAn Intelligent Security Protocol for Enhanced Security in 6G Networksfr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Boussaidi Rofeida et MESSAOUDI Tassadit -022.pdf2,38 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.