Classification collaborative -- application à la détection d'intrusions

Dans le but de proposer une approche de classification collaborative, nous considérons le problème de la détection d'intrusions.

Il est bien connu qu'il est impossible de prévoir et de préalablement identifier toutes les vulnérabilités d'un réseau, et une pénétration irrégulière dans un système par un intrus malicieux ne peut pas être toujours empêchée. Les systèmes de détection d'intrusions (IDS : Intrusion Detection System) sont des entités essentielles pour assurer la sécurité d'un système en réseau. Pour qu'ils puissent mener à bien leurs tâches, les IDSs doivent être précis, adaptatifs et extensibles. Étant donné ces exigences, ainsi que le haut niveau des vulnérabilités des réseaux de nos jours, la conception des IDSs est devenue une tâche très difficile. Bien qu'il y ait eu beaucoup de recherches sur la détection d'intrusions dans un environnement distribué, les IDSs souffrent de nombreux inconvénients tels que le taux élevé de faux positifs et la faible efficacité.

Différents travaux récents ont souligné l'intérêt de combiner plusieurs classifieurs et d'utiliser une agrégation des résultats pour arriver à une décision globale. Mais cette agrégation reste toujours un problème ouvert et la construction d'une méthode fondée sur un consensus semble très prometteuse.

Dans le cadre de ce projet, notre objectif est de développer un IDS basé sur les SMA où les agents, dotés chacun d'un classifieur, interagissent et se coordonnent afin de converger vers un consensus.

Pour cela, ce projet a pour objectif d'étudier les algorithmes de consensus, sélectionner un algorithme et l'utiliser pour élaborer une approche de classification consensuelle.

Pour la validation expérimentale, le projet s'appuie sur la base KDD (voir http://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html) et l'implémentation des agents sera réalisé avec la plate-forme Spade (voir https://pypi.org/project/spade/).

Références :

https://www.sciencedirect.com/science/article/pii/S1877050919313614?via%...

Rabah Mazouzi, Cyril de Runz, Herman Akdag:
Un système collectif d'utilisation d'un grand ensemble de classifieurs sur le Cloud pour la classification de Big Data. Fouille de Données Complexes 2016: 1-14

https://www.researchgate.net/publication/4006873_Collaborative_classific...

Contact:
Maha Abdallah : Maha.Abdallah@lip6.fr
Zahia Guessoum : Zahia.Guessoum@lip6.fr