Système de Détection d’Intrusion basé sur l’apprentissage fédéré dans le Fog Computing

Simple item page
dc.contributor.authorbenseddik yousraen_US
dc.contributor.authorbenmiloud aminaen_US
dc.date.accessioned2024-06-19T09:16:23Zen_US
dc.date.available2024-06-19T09:16:23Zen_US
dc.date.issued2023-06-25en_US
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.identifier.urihttps://dspace.univ-tlemcen.dz/handle/112/22785en_US
dc.language.isofren_US
dc.publisherUniversity of Tlemcenen_US
dc.relation.ispartofseries004 Master info;en_US
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

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Systeme_de_Detection_d_Intrusion_base_sur_l_apprentissage_federe_dans_le_Fog_Computing.pdf
Size:
2.99 MB
Format:
Adobe Portable Document Format
Description:
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Master RSD