Étude d'un système intelligent pour la détection des attaques (intrusion) dans les bâtiments intelligent

Abstract

Ce modeste travail présente les concepts fondamentaux de l'Internet des Objets (IoT), les attaques dans les réseaux de capteurs sans fil, ainsi que l'intelligence artificielle et ses diverses applications dans les bâtiments intelligents. Nous proposons un système précis basé sur l'apprentissage profond pour détecter et classifier les attaques, en particulier les attaques par déni de service (DoS), dans les réseaux de capteurs sans fil à l’aide d’un réseau de neurones convolutif unidimensionnel (CNN-1D). Les résultats expérimentaux, obtenus à partir de la base de données WSN-DS, indiquent que le modèle CNN-1D atteint des performances remarquables, avec une accuracy de 99,22 %, une precision également de 99,22 %, un recall de 99,20 %, et un F1-score de 99,21 %. Une phase explicative des décisions prises par le modèle proposé a ensuite été mise en oeuvre en utilisant l'intelligence artificielle explicative (XAI), via la méthode d'interprétation locale LIME. Ces résultats confirment la robustesse et la pertinence du modèle proposé pour sécuriser les réseaux de capteurs sans fil.