Détection Des Intrusions Par Sélection de Caractéristiques Et Hybridation

De nos jours, il est tr s important de maintenir un niveau de s curit lev pour assurer une communication s re et fiable des informations entre les diff rentes organisations. Mais la communication s curis e de donn es sur Internet et tout autre r seau est toujours menac e par des intrusions et des abus. On peut dire qu'un large ventail de technologies de s curit telles que le cryptage des informations, le contr le d'acc s et la pr vention des intrusions sont utilis es pour prot ger les syst mes bas s sur le r seau, mais il y a encore de nombreuses intrusions non d tect es. Ce projet pr sente une vue d'ensemble de la d tection des intrusions et un algorithme de classification hybride bas sur la baye na ve et le voisin le plus proche K. L'ensemble de donn es est d'abord pass par le baye na f pour la classification, g n rant les probabilit s pr alables et conditionnelles pour chaque exemple dans l'ensemble de donn es. En cas d'erreur de classification, l'exemple est transmis au KNN qui classe alors le voisinage de l'exemple et les exemples r sultants sont pond r s en fonction de la similarit de chaque voisin de l'exemple, si le Sim(X, Dj) est gal 1, alors X est normal; sinon l'algorithme trouve le K plus grand Sim(X, Dj), le v rifie par rapport un crit re d'arr t (seuil).