Mise en corrélation des scénarios d’intrusion avec un modèle d’apprentissage non supervisé

Les attaques par saturation de plus en plus sophistiquées contre les infrastructures de réseau ont mis en évidence le besoin d'outils capables d'analyser l'état du réseau à travers des sources de données multiples et d'alerter les administrateurs, le cas échéant. L'objectif de base de ce projet est de fournir un cadre d'applications qui permette de mettre en corrélation les informations en provenance de multiples réseaux et de donner une vue d'ensemble de l'état du système. Il est donc nécessaire de fournir un modèle capable de recouper les informations émanant de deux sources : spatiales et temporelles. Pour ce faire, un modèle non supervisé sera étudié en pratiquant une abstraction hiérarchique, afin d'intégrer et de résumer les données de sources multiples. De plus, l'entraînement efficace du système sera abordé par l'utilisation de modèles d'apprentissage actif appropriés.

Faculty Supervisor:

Mme Nur Zincir-Heywood

Student:

Patrick LaRoche

Partner:

Telecom Applications Research Alliance (TARA)

Discipline:

Computer science

Sector:

Information and communications technologies

University:

Dalhousie University