Système de Détection et de Prévision d’Intrusions

Ici on propose un système de détection et de prévision d’intrusions à base de réseaux d’inférence incertaine et imprécise. Partant d’un historique de sessions, il s’agit de proposer une méthode d’apprentissage supervisé doublée d’un classifieur permettant d’extraire les connaissances nécessaires pour identifier la présence ou non d’une intrusion dans une session et dans le cas positif de reconnaître son type et de prévoir les éventuelles intrusions qui l’ensuivent. L’originalité de notre approche est qu’elle intègre dans le cadre d’un système global anti-intrusions détection d’intrusions au niveau des hôtes (HIDS) et prévision d’intrusions au niveau du réseau (NIPS), se basant dans les deux couches sur une hybridation bayésienne possibiliste. Les données utilisées pour l’expérimentation de notre système sont proposées par KDD’99 et DARPA 2000. Les résultats expérimentaux prouvent que le système de détection et de prévision d’intrusions à base d’une hybridation bayésienne possibiliste ici proposée peut efficacement gérer l’incertitude et l’imprécision et exploiter toutes les données disponibles.