Détection des spams sur Twitter et classification du trafic

La croissance rapide d'Internet et des m dias sociaux a entra n une augmentation de la taille du trafic Internet et de la complexit de l'analyse du comportement du trafic, en particulier dans les r seaux grande chelle tels que les plateformes de m dias sociaux. Les m thodologies traditionnelles bas es sur des r gles sont remplac es par des approches automatis es bas es sur l'apprentissage automatique, gr ce la disponibilit de grands ensembles de donn es qui permettent d'utiliser des mod les d'IA tr s performants. Cet ouvrage passe en revue les recherches r centes sur l'analyse du cybertrafic sur les r seaux sociaux et l'internet, en se concentrant sur les concepts de similarit , de corr lation et d'indication collective, et en soulignant l'importance des objectifs de s curit dans la classification des h tes, des applications, des utilisateurs et des tweets du r seau. Pour relever ces d fis, ce document pr sente une nouvelle m thodologie de recherche appel e cybers curit pilot e par les donn es (DDCS) et son application l'analyse du trafic social et Internet. La m thodologie DDCS se compose de trois l ments principaux: le traitement des donn es de cybers curit , l'ing nierie des caract ristiques de cybers curit et la mod lisation de la cybers curit .