Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/23402
Titre: Modèles d’apprentissage automatique supervisé pour l’identification du trafic du darknet
Auteur(s): Belamri, Nour Djihan
Mots-clés: Apprentissage automatique supervisé, Darknet, Trafic illégal, Sécurité informatique, Analyse de réseau
Date de publication: 12-jui-2024
Editeur: University of Tlemcen
Collection/Numéro: 2605 inv;
Résumé: Le darknet fait référence à un réseau caché d'ordinateurs qui opère sur Internet et qui n'est pas accessible via les navigateurs web traditionnels. Ce réseau est souvent utilisé pour des activités illégales, telles que la vente de drogues, d'armes et de matériel pédopornographique. L'identification du trafic du darknet est une tâche importante pour les forces de l'ordre et les agences de sécurité, car elle peut aider à perturber ces activités illégales. L'apprentissage automatique supervisé est une branche de l'apprentissage automatique qui utilise des algorithmes pour apprendre à partir d'exemples étiquetés. Dans le contexte de l'identification du trafic du darknet, les exemples étiquetés peuvent être des paquets réseau ou des flux de trafic étiquetés comme étant légitimes ou illégaux. Les algorithmes d'apprentissage automatique supervisé peuvent ensuite être utilisés pour apprendre à identifier de nouveaux paquets ou flux de trafic comme étant légitimes ou illégaux. Les modèles d'apprentissage automatique supervisé sont un outil prometteur pour l'identification du trafic du darknet. Cependant, il existe un certain nombre de défis qui doivent être résolus avant que ces modèles puissent être déployés à grande échelle.
URI/URL: http://dspace1.univ-tlemcen.dz/handle/112/23402
Collection(s) :Master en Télécommunication

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Modeles_d’apprentissage_automatique_supervise_pour_l’identification_du_trafic_du_darknet.pdf1,96 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.