Thèse : Métriques de communautés de graphes pour la détection de cyberattaques robuste dans le temps

Lien visioconférence: https://rendez-vous.renater.fr/Defense_de_these_Julien_MICHEL_4f1bf6-e3e0ce-fc7824

Membre du jury :

Directeur de thèse :

Rapporteurs :

Examinateurs :

Résumé:

Les réseaux de communication qui composent Internet, notamment les cœurs de réseaux, sont des environnements évolutifs qui sont constamment la cible de cyberattaques. Les comportements d’attaques changent au cours du temps, et de nouveaux apparaissent. Face à des comportements d’attaques plus nombreux et variés, le temps nécessaire à l’investigation et la détection manuelle des attaques augmente considérablement. Les modèles de détection d’attaques qui peuvent être efficaces sur une période sont sensibles aux changements dans les comportements d’attaques, mais également à l’évolution des comportements légitimes. Ces évolutions, visibles dans les données de trafic, sont caractérisées par la dérive conceptuelle. Pour rendre les détecteurs plus fiables au cours du temps, il faut choisir des critères de détection qui représentent les comportements d’attaques. Ainsi, pour représenter les données, il est nécessaire d’extraire des caractéristiques qui représentent les comportements qui ne sont pas juste le reflet d’une attaque sur une courte période au cours du temps, mais qui représentent durablement les comportements malveillants.