Pour une dètection intelligente de télé intrusion

Abstract

Le cloud computing évolue rapidement et devient de plus en plus populaire dans notre vie quotidienne et se développe de jour en jour, il comporte lui-même un risque. Il faut donc le modèle le plus efficace pour détecter les activités malveillantes aussi rapidement et précisément que possible. Dans ce travail, nous avons utilisé un réseau de neurones profond (DNN) pour identifier les attaques dans un système cloud. Un système de détection d’intrusion intelligent ne peut être construit que s’il existe un ensemble de données efficace. Les performances de DNN conçu pour identifier correctement l’attaque ont été évaluées sur plusieurs ensembles de données qui sont les plus récents et les plus utilisés. Nous avons testé 5 couches cachées avec 1024, 512, 64 et 32 neurones successive, fonction d’activation reLu pour toutes les couche, la taille de lot (batch size) est fixé 1024 et aussi le nombre d’époques (epochs) 100 époques, afin d’améliorer les performances du modèle que ce soit en temps ou en efficacité. Nos résultats expérimentaux ont montré le taux de précision de la méthode proposée en utilisant DNN. Il montre que la précision est supérieure à 95% dans chaque ensemble de données