Sécurité des réseaux informatiques basée sur la théorie de danger

Abstract

Le syst`eme immunitaire artificiel (AIS) est un sous-domaine de syst`eme de l’intelligence artificielle et d’apprentissage bas´e sur des r`egles inspir´ees du syst`eme immunitaire des vert´ebr´es. Ces algorithmes sont g´en´eralement bas´es sur les caract´eristiques du syst`eme immunitaire en ce qui concerne l’apprentissage et la m´emoire ainsi que leur utilisation dans la r´esolution de probl`emes. Un syst`eme immunitaire artificiel simplifie l’activit´e et la structure du syst`eme immunitaire pour cr´eer des mod`eles informatiques et utilise ces mod`eles pour r´esoudre des probl`emes dans les domaines des math´ematiques, de l’ing´enierie et des technologies de l’information et de la communication. ces syst`emes sont aussi un sous-domaine de la biologie inspir´e et de l’informatique naturelle, avec une affinit´e pour l’apprentissage automatique et un contexte plus large pour l’intelligence artificielle. L’algorithme des cellules dendritiques (DCA) est un exemple d’algorithme d´evelopp´e `a l’aide d’une approche globale. Il ´etait bas´e sur un mod`ele de cellule dendritique (CD). Le DCA subit un processus d’examen de divers aspects de l’activit´e des cellules dendritiques (DC), du r´eseau mol´eculaire qui se trouve dans la cellule au comportement d’un groupe de cellules en tant que groupe. Le DCA est pr´esent´e comme un nouvel algorithme d’immunit´e artificielle. Cette th`ese aborde le d´efi d’am´eliorer la phase de pr´etraitement. Dans cette m´ethode, l’algorithme des cellules dendritiques r´eduit la dimensionnalit´e `a l’aide de la m´ethode de r´eduction de la dimensionnalit´e : factorisation matricielle bas´ee sur une factorisation matricielle non n´egative. La factorisation matricielle non n´egative r´eduit la taille des donn´ees en transformant les donn´ees d’origine et en extrayant les caract´eristiques importantes grˆace `a un espace latent dimensionnel r´eduit. L’algorithme propos´e se d´eroule en deux ´etapes : Premi`erement, transformer les donn´ees originales par factorisation. Alors que la seconde consiste `a attribuer les caract´eristiques d’espace r´eduit `a leur cat´egorie de signal appropri´ee. Les r´esultats exp´erimentaux montrent que ce nouvel algorithme am´eliore significativement la phase de pr´etraitement de l’algorithme des cellules dendritiques en termes de temps d’ex´ecution tout en maintenant un taux de pr´ecision plus ´elev´e.