Key points are not available for this paper at this time.
La croissance des attaques sur Internet est un problème majeur pour les réseaux informatiques d'aujourd'hui. Par conséquent, la mise en œuvre de méthodes de sécurité pour prévenir de telles attaques est cruciale pour tout réseau informatique. Avec l'aide des techniques d'apprentissage automatique et d'exploration de données, les systèmes de détection d'intrusion (IDS) sont capables de diagnostiquer les attaques et les anomalies du système de manière plus efficace. Toutefois, la plupart des méthodes étudiées dans ce domaine, y compris les systèmes experts basés sur des règles, ne parviennent pas à identifier avec succès les attaques qui présentent des motifs différents de ceux attendus. En utilisant des réseaux de neurones artificiels (ANN), il est possible d'identifier les attaques et de classer les données, même lorsque l'ensemble de données est non linéaire, limité ou incomplet. Dans cet article, une méthode basée sur la combinaison de l'algorithme d'arbre de décision (DT) et de l'ANN perceptron multicouche (MLP) est proposée, capable d'identifier les attaques avec une grande précision et fiabilité.
Esmaily et al. (Fri,) ont étudié cette question.