Hoarau, Kévin
[VerfasserIn]
;
La Réunion
[MitwirkendeR];
Payet, Étienne
[MitwirkendeR];
Tournoux, Pierre Ugo
[MitwirkendeR];
Razafindralambo, Tahiry
[MitwirkendeR]
Apprentissage automatique pour la détection d’anomalies dans les graphes issus des données réseau ; Machine learning for the detection of anomalies in graphs from network data
Titel:
Apprentissage automatique pour la détection d’anomalies dans les graphes issus des données réseau ; Machine learning for the detection of anomalies in graphs from network data
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
L’analyse des réseaux, de leurs protocoles et applications est impactée par l’évolution rapide des méthodes d’apprentissage automatique. Par ailleurs, bien que les données de ce domaine d’application soient intrinsèquement liées aux représentations sous forme de graphe, ce sont des représentations tabulaires qui sont généralement utilisées par les techniques d’apprentissage automatique ce qui, par conséquent, ne permet pas de représenter toute la complexité de ces données. Cette thèse s’intéresse à l’exploitation des graphes des données réseau à l’aide de techniques d’apprentissage automatique. Il est notamment proposé d’intégrer et d’évaluer les avancées récentes dans le domaine des Graph Neural Networks (GNN). Le cadre applicatif retenu est celui de la détection d’anomalies dans le Border Gateway Protocol (BGP), protocole qui génère des graphes massifs et complexes dans lesquels les anomalies sont difficilement décelables. Ce protocole constitue l’épine dorsale de l’Internet ce qui justifie que ses anomalies aient été largement étudiées par la communauté, que ce soit via des règles expertes ou des méthodes d’apprentissageautomatique classiques. Un travail préalable identifie que contrairement aux principaux domaines d’application de l’apprentissage automatique, il n’y a pas de jeux de données de référence pour l’étude des anomalies BGP. En outre, la construction de ces derniers apparaît pénible et constitue un frein à la recherche dans ce domaine. Ainsi, BML, un outil pour la construction de jeu de données BGP est proposé. La première contribution de cette thèse met en exergue le fait que l’exploitation d’attributs extraits d’un graphe BGP permet d’y détecter une anomalie avec des performances conformes à l’état de l’art. C’est le cas pour les anomalies de grande échelle (accuracy de 88%) mais il permet également d’améliorer significativement les performances sur les anomalies de petite échelle (+18% d’accuracy). Dans une seconde contribution, la composante temporelle est intégrée par l’utilisation d’un réseau ...