Deep Learning-based Anomaly Detection In Network Traffic Patterns
Résumé: The anomaly in network traffic is a crucial issue that can cause significant losses in network security and performance. This prompted us to undertake this work to detect these anomalies accurately and promptly using deep learning techniques. This thesis investigates the use of long short-term memory (LSTM) neural networks, one of the deep learning methods, to detect anomalies in network data flows. LSTMs are well suited to this task thanks to their ability to capture long-term temporal dependencies. Our approach is distinguished by its ability to detect complex and varied anomalies, thus improving the security and efficiency of computer networks. The results show a significant improvement over traditional methods
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
