Approche basée sur l’apprentissage profond pour la détection d’intrusion réseau

Abstract

Les systèmes de détection d'intrusion sont largement répandus de nos jours pour la sécurité de systèmes informatiques. Diverses techniques d‘apprentissage automatique ont été utilisées pour développer les IDS. Avec l‘apparition des technologies d‘apprentissage profond et ses succès dans plusieurs domaines, nous avons élaboré une approche basée sur ces méthodes. L‘approche proposée a été testée sur la base publique CICIDS2017. Nous avons effectué la réduction la dimensionnalité de la base à l‘aide d‘un auto-encodeur empilé. Nous avons atteint un taux de perte très réduit (10 -5 à 10 -6 ). Ensuite, nous avons effectué une classification (multi-classes) avec un réseau de neurones convolutionnel. Nous avons atteint une précision très encourageante (99.20%). Le modèle choisi (SAE/CNN) a donné des résultats très satisfaisants en comparaison avec ceux des travaux antérieurs où d‘autres approches ont été utilisées.