Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/22785
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBenseddik Yousra-
dc.contributor.authorBenmiloud Amina-
dc.date.accessioned2024-06-19T09:16:23Z-
dc.date.available2024-06-19T09:16:23Z-
dc.date.issued2023-06-25-
dc.identifier.urihttp://dspace1.univ-tlemcen.dz/handle/112/22785-
dc.description.sponsorshipLe Fog Computing est un paradigme émergent qui étend les capacités du Cloud Computing en déployant des ressources informatiques et de stockage à la périphérie du réseau, plus près des utilisateurs et des objets connectés. Cependant Les environnements Fog sont souvent distribués, hétérogènes et dynamiques, ce qui rend la détection d'intrusion plus complexe par rapport aux systèmes traditionnels. Dans ce mémoire, nous proposons une approche basée sur l'apprentissage fédéré pour détecter les intrusions dans le Fog Computing. L'apprentissage fédéré est une technique d'apprentissage machine qui permet d'entraîner des modèles de manière collaborative sans partager les données brutes entre les noeuds. Cette approche préserve la confidentialité des données tout en permettant l'apprentissage d'un modèle global basé sur les informations locales de chaque noeud Fog. Les résultats obtenus démontrent le potentiel de l'apprentissage fédéré comme une solution prometteuse pour renforcer la sécurité des environnements Fog, ouvrant ainsi la voie à de futures recherches dans ce domaine.en_US
dc.language.isofren_US
dc.publisherUniversity of tlemcenen_US
dc.relation.ispartofseries004 Master info;-
dc.subjectFog Computing, Cloud Computing, la détection d'intrusion, l'apprentissage fédéré, l’apprentissage machineen_US
dc.titleSystème de Détection d’Intrusion basé sur l’apprentissage fédéré dans le Fog Computingen_US
dc.typeThesisen_US
Collection(s) :Master RSD

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Systeme_de_Detection_d_Intrusion_base_sur_l_apprentissage_federe_dans_le_Fog_Computing.pdf3,06 MBAdobe PDFVoir/Ouvrir


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