Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/41072Affichage complet
| Élément Dublin Core | Valeur | Langue |
|---|---|---|
| dc.contributor.author | Chouali, Ramdane | - |
| dc.contributor.author | Ghebghoub, Yasmine. (Promotrice) | - |
| dc.date.accessioned | 2025-12-08T14:39:30Z | - |
| dc.date.available | 2025-12-08T14:39:30Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.uri | https://di.univ-blida.dz/jspui/handle/123456789/41072 | - |
| dc.description | ill.,Bibliogr.cote:MA-004-1063 | fr_FR |
| dc.description.abstract | La détection des malwares par l'apprentissage automatique KNN (en français K- Plus-Proche) est une technique qui permet de classer les comportements réseau en comparant chaque activité à des modèles connus, afin d'identifier les menaces. Dans notre solution, nous développons une application de prévention des malwares en utilisant l'algorithme K-NN et le jeu de données NSL-KDD. Après un prétraitement des données, le modèle apprend à distinguer les connexions normales des connexions malveillantes. Cette approche vise à offrir une détection simple, rapide et fiable des attaques connues. Mots-clés: Sécurité, Malwares, Apprentissage automatique, K-NN, NSL-KDD, Détection des malwares, connexions malveillantes, connexions normales | fr_FR |
| dc.language.iso | fr | fr_FR |
| dc.publisher | Université Blida 1 | fr_FR |
| dc.subject | Sécurité | fr_FR |
| dc.subject | Malwares | fr_FR |
| dc.subject | Apprentissage automatique | fr_FR |
| dc.subject | K-NN | fr_FR |
| dc.subject | NSL-KDD | fr_FR |
| dc.subject | Détection des malwares. | fr_FR |
| dc.subject | connexions malveillantes | fr_FR |
| dc.subject | connexions normales | fr_FR |
| dc.title | Une application de prévention contre les malwares basé sur l'apprentissage automatique KNN. | fr_FR |
| dc.type | Thesis | fr_FR |
| Collection(s) : | Mémoires de Master | |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| Chouali Ramdane.pdf | 4,61 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.