Résumé:
Les systèmes de détection de logiciels malveillants ont fait l'objet de
nombreuses recherches et jouent un rôle important dans la cybersécurité.
L'objectif de cette étude est de modéliser un tel système pour aider les
administrateurs système et les utilisateurs à détecter et identifier toute violation
de sécurité dans leur organisation afin de les prévenir avant de causer des
dommages. Dans ce but, nous avons étudié les performances des méthodes de
machine learning (ML) appliquées à la détection des malwares pour la
cybersécurité. Ensuite, nous avons appliqué une technique de détection basée
sur une approche d'apprentissage en profondeur, un réseau de neurones
convolutifs (CNN) pour détecter les logiciels malveillants dans les connexions
réseau.
Ensuite, nous avons utilisé diverses mesures appliquées pour évaluer les
performances de l'apprentissage automatique (précision, rappel, score F1) et
deux autres indicateurs de performance importants pour la détection des
logiciels malveillants (taux de détection, taux de fausses alarmes)
Mot clé : Cybersécurité, Système de détection des malwares, L’apprentissage profond, L’apprentissage automatique, Machine learning, Deep learing
