Résumé:
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.
