Nadia CHAABOUNI - Admise au titre de docteur

Doctorat Informatique

Thèse soutenue le 13 juillet 2020 - Université de Bordeaux

Ecole doctorale : Mathématiques et Informatique

Sujet : Détection et prévention des intrusions pour les systèmes IoT en utilisant des techniques d’apprentissage

Mots-clés de la thèse : Internet d'objet,Sécurité,Techniques d’apprentissage,Détection d'intrusions,Prévention d'intrusions,IoT,

Direction de thèse : Mohamed MOSBAH

Co-direction de thèse : Akka ZEMMARI

Unité de recherche : LaBRI - Laboratoire Bordelais de Recherche en Informatique UMR 5800 - Talence
Intitulé de l'équipe : Méthodes et Modèles formels

Ingénieur - Bien

obtenu en novembre 2016 - Bordeaux INP - ENSEIRB-Matméca
Option : Informatique

Production scientifique

- Nadia Chaabouni, Mohamed Mosbah, Akka Zemmari, and Cyrille Sauvignac 2020. A OneM2M Intrusion Detection and Prevention System based on Edge Machine Learning NOMS2020, Pas encore,
- Nadia Chaabouni, Mohamed Mosbah, Akka Zemmari and Cyrille Sauvignac 2019. An Intrusion Detection System for the OneM2M Service Layer Based on Edge Machine Learning ADHOC-NOW2019, Volume 11803, pp. 508-523, https://link.springer.com/chapter/10.1007/978-3-030-31831-4_35
- Nadia Chaabouni, Mohamed Mosbah, Akka Zemmari, Cyrille Sauvignac 2019. Network Intrusion Detection for IoT Security based on Learning Techniques IEEE Communications Surveys & Tutorials, 1, https://ieeexplore-ieee-org.docelec.u-bordeaux.fr/abstract/document/8629941

Dernière mise à jour le 10 juillet 2020