SYSTÈME DE DÉTECTION D'INTRUSIONS INFORMATIQUES PAR RÉSEAUX DE NEURONES.

Abstract

L’informatique et en particulier l’Internet jouent un rôle grandissant dans notre société. Un grand nombre d’applications critiques d’un point de vue de leur sécurité sont déployées dans divers domaines comme le domaine militaire, la santé, le commerce électronique, etc. La sécurité des systèmes informatiques devient alors une problématique essentielle tant pour les individus que pour les entreprises ou les états. La mise en place d’une politique de sécurité autour de ces systèmes est donc primordiale. Les pares-feux ne sont aujourd’hui plus suffisants. Les Systèmes de Détection d’Intrusion (SDIs) sont capables de repérer des menaces que les pares-feux ne soupçonnent pas. L’objectif de ce travail est de proposer des mécanismes de détection d’intrusion en temps réel tout en augmentant le taux de précision et en réduisant les fausses alarmes ainsi que le temps de réponse en faisant appel aux Réseaux de Neurones Artificiels (RNAs). Les RNAs sont des paradigmes issus de l’Intelligence Artificielle (IA) qui ont montré leur efficacité en classification. Dans le cadre de ce travail nous proposons une méthode de détection d’intrusion en utilisant un algorithme issu de l’intelligence artificielle appliquant un apprentissage automatique, il s’agit de la Carte auto-organisatrice de Kohonen. Afin d’évaluer notre approche nous avons utilisé la base de données NSL-KDD. Notre approche proposée permet de classer les paquets comme normaux ou intrusifs. Les résultats expérimentaux montrent que le système est performant avec un taux de reconnaissance satisfaisant.