CLASSIFICATION DU TRAFIC INTERNET A L’AIDE DE L'APPRENTISSAGE AUTOMATIQUE

dc.contributor.authorBENRAZEK, HAKIM
dc.date.accessioned2022-05-30T09:28:08Z
dc.date.available2022-05-30T09:28:08Z
dc.date.issued2020
dc.description.abstractLa classification du trafic internet (CTI) comprend des méthodes qui traitent de la classification du trafic en fonction des caractéristiques qui sont négativement observées dans le trafic lui-même et éventuellement en fonction de certains objectifs de classification spécifiques. Les technologies (CTI) suscitent beaucoup d‘attention dans les domaines de la gestion de réseau, de la sécurité et de la planification, ainsi que dans la fourniture de qualité de service. Avec le temps, les méthodes traditionnelles telles que l’identification basée sur le port et l’identification basée sur la charge sont devenues plus difficiles lors de la mise en œuvre avec les applications. Par conséquent, les techniques alternatives sont basées sur l’apprentissage automatique, qui permettent d’exploiter les statistiques de flux. Notre travail comprend la classification du trafic internet par l‘ apprentissage automatique, dans lequel nous avons utilisé l‘algorithme SVM. Bien que la classification du trafic par l‘application SVM ait connu un développement remarquable, mais ils existent encore plusieurs lacunes, afin d‘améliorer l‘utilisation de SVM dans l‘apprentissage automatique. Mots clés : Internet, Classification du trafic internet, Apprentissage automatique.EN_en
dc.identifier.urihttps://dspace.univ-ghardaia.edu.dz/xmlui/handle/123456789/1056
dc.publisherجامعة غردايةEN_en
dc.subjectCLASSIFICATION DU TRAFIC INTERNET A L’AIDE DE L'APPRENTISSAGE AUTOMATIQUEEN_en
dc.titleCLASSIFICATION DU TRAFIC INTERNET A L’AIDE DE L'APPRENTISSAGE AUTOMATIQUEEN_en
dc.typeThesisEN_en

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
memoire benrazek hakim.pdf
Size:
1.9 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: