Browsing by Author "Nasri, Ahlem"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    A Reinforcement learning based intrusion detection system for MANETs
    (University of Oum El Bouaghi, 2023) Laala, Youcef; Nasri, Ahlem
    The attention given to mobile ad hoc networks (MANET) is currently significant owing to their potential to significantly influence various real-world applications, including banking, medicine, and even the military sector. With the increasing use of MANETs in various applications, securing these networks against malicious intrusions has become a major concern. Intrusion detection systems (IDS) are among the best solutions to address intrusions and malicious behaviors. However, traditional intrusion detection systems often struggle to cope with the dynamic and decentralized nature of MANETs. In this thesis, we propose a new approach to intrusion detection in MANETs using reinforcement learning (RL). We leverage RL capabilities to enable the system to learn from its interactions with the environment and improve its detection accuracy over time. The obtained results demonstrate its effectiveness in detecting several categories of intrusions while minimizing false positives. Moreover, the system exhibits adaptability and robustness to changes in network conditions and attack strategies.
  • No Thumbnail Available
    Item
    Contribution aux techniques de modélisation et de simulation multi-paradigme et multi-formalisme basée sur l’ingénierie dirigée par les modèles
    (université oum el bouaghi, 2018) Nasri, Ahlem; Bourouis, Abdelhabib
    La modélisation des systèmes complexes, y compris les systèmes à événements discrets, reste un défi majeur pour les concepteurs de cette classe de systèmes. La complexité et la taille de ces systèmes empêchent de comprendre leurs modèles. Dans cette thèse, nous proposons une approche pour réduire les modèles de réseaux à files d'attente de grande taille en d'autres plus petits. L'objectif est de réduire le temps d'analyse ainsi que de la simulation en plus de la bonne compréhension du système étudié. L'idée de base est de diviser le modèle en un ensemble de sous-modèles plus petits, hiérarchiquement organisés et plus facile à gérer. Ces derniers sont analysés isolément. Les principales contributions de ce travail sont la substitution de chaque sous-modèle par une seule station M / G / ? et l'automatisation du processus de décomposition en utilisant des techniques de transformation de modèles à l'aide de l'outil de Méta-modélisation AToM3. En outre, les modèles résultants de l'application de cette approche peuvent être transformés en modèles de réseau de Petri à files d'attente ce qui réduit le coût d'analyse et/ou de simulation. Ces deux approches ont été validées à l'aide des études de cas dans lesquelles plusieurs indices de performance ont été prédits avec une grande précision. La conclusion principale est que l'approche de réduction fournit des résultats exacts pour le nombre moyen global de clients et le temps de résidence moyen sur l'ensemble du réseau. Un modèle de réseau à files d'attente peut être transformé en un modèle de réseau de Petri à files d'attente équivalent tout en prenant en considération l'aspect de représentation selon différents niveaux d'abstraction.