Un système d'apprentissage ensembliste explicable pour détecter des attaques réseau inconnues - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Un système d'apprentissage ensembliste explicable pour détecter des attaques réseau inconnues

Résumé

L'apprentissage automatique est une technologie prometteuse pour les systèmes de détection d'intrusions. Il existe une grande variété d'algorithmes d'apprentissage automatique dont les résultats semblent complémentaires, mais déterminer quel résultat est correct dans un cas spécifique est difficile car les algorithmes ne sont pas tous explicables. Cet article introduit un système conc ¸u pour être explicable qui reconstruit des schémas d'attaques à partir des sorties d'un ensemble de détecteurs d'anomalies non supervisés et les présente aux analystes de sécurité pour les aider à interpréter chacune des détections. Mots-clés-Sécurité réseau, détection d'anomalies non supervisée, IA explicable, apprentissage ensembliste, CNN
Fichier principal
Vignette du fichier
paper7.pdf (2.14 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04328482 , version 1 (07-12-2023)

Identifiants

  • HAL Id : hal-04328482 , version 1

Citer

Céline Minh, Kevin Vermeulen, Cédric Lefebvre, Philippe Owezarski, William Ritchie. Un système d'apprentissage ensembliste explicable pour détecter des attaques réseau inconnues. Conference on Artificial Intelligence for Defense, DGA Maîtrise de l'Information, Nov 2023, Rennes, France. ⟨hal-04328482⟩
76 Consultations
42 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More