Détection d'Attaques Persistantes Avancées par Hachage et Apprentissage sur les graphes en Flux - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

Détection d'Attaques Persistantes Avancées par Hachage et Apprentissage sur les graphes en Flux

Résumé

De nombreuses activités, notamment dans le domaine de la cybersécurité, peuvent être modélisées par des graphes dynamiques en flux, tels que les graphes d'appels. Dans ce travail, nous proposons une approche visant à détecter les attaques persistantes avancées (APT) dès leur commencement. Notre méthode se distingue par sa capacité à capturer à la fois l'information structurelle et temporelle, éléments clés pour différencier les activités normales des activités malveillantes. Pour répondre aux défis posés par le traitement en flux, nous nous appuyons sur des techniques de hachage, permettant d'obtenir une représentation compacte des données. Cette stratégie, combinée à une approche d'apprentissage automatique dynamique, offre une détection rapide et incrémentale tout en garantissant une faible consommation de mémoire. Les tests conduits démontrent l'efficacité de notre méthode, permettant une réponse proactive face aux menaces en identifiant les APT dès leurs premiers signes d'activité.
Fichier principal
Vignette du fichier
walid.pdf (819.01 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-04456284 , version 1 (13-02-2024)

Identifiants

  • HAL Id : hal-04456284 , version 1

Citer

Walid Megherbi, Abd Errahmane Kiouche, Mohammed Haddad, Hamida Seba. Détection d'Attaques Persistantes Avancées par Hachage et Apprentissage sur les graphes en Flux. 24ème conférence francophone sur l'Extraction et la Gestion des Connaissances EGC 2024, Jan 2024, Dijon, France. pp.179-190. ⟨hal-04456284⟩
13 Consultations
17 Téléchargements

Partager

Gmail Facebook X LinkedIn More