http://dspace.univ-tiaret.dz:80/handle/123456789/29 Mon, 06 Apr 2026 20:21:23 GMT 2026-04-06T20:21:23Z http://dspace.univ-tiaret.dz:80/handle/123456789/16916 Titre: Alerts Correlation by attention mechanisms Auteur(s): Benamer Belkacem, Nawel Résumé: From the inception of intrusion detection systems to the present day, all IDSs have continuously generated generate large numbers of alerts, many of which are false positives. This leads to an overwhelming amount of data for security analysts, leading to missed detections or delayed detections of real threats. Our solution is an alert correlation framework with an attention mechanism that will produce lower false positives. Through this process, the model learns dependencies and contextual relationships between features of alerts, indicating that the model can better distinguish between malicious and benign traffic. Unlike the previous approaches, our approach does not rely on prior knowledge of specific attacks or predefined normal behavior, making it robust and adaptable to unknown or evolving threats. By modeling feature relationships contextually, the proposed method enhances detection accuracy while significantly reducing the number of false positives Sun, 01 Jun 2025 00:00:00 GMT http://dspace.univ-tiaret.dz:80/handle/123456789/16916 2025-06-01T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16913 Titre: Amélioration des Systèmes de Détection d'Intrusion à l'aide de techniques de Deep Learning et les Mécanismes d'Attention Auteur(s): SIMERABET, ABDESALEM; HOUARI, ABDELHAMID Résumé: La mont´ee des cybermenaces et la sophistication croissante des attaques rendent n´ecessaire la mise en oeuvre de syst`emes de d´etection d’intrusions (IDS) `a mˆeme de s’adapter `a une grande vari´et´e de donn´ees r´eseau. Les techniques de d´etection classique, bien que performantes, r´ev`elent cependant leurs limites face `a des attaques complexes et en constante ´evolution. Ce projet de Master se propose d’int´egrer une approche innovante notamment en recourant aux m´ecanismes d’attention, tir´es des recherches en intelligence artificielle et traitement du langage naturel, afin de contribuer `a l’am´elioration des dispositifs IDS concernant leur capacit´e de d´etection des comportements anormaux du r´eseau. L’approche vis´ee s’appuie sur des m´ecanismes d’attention pour focaliser les ressources de calcul sur les segments critiques du flux de donn´ees r´eseau, favorisant ainsi la d´etection d’anomalies dans les r´eseaux, `a la fois rapides et efficaces. Elle sera conjointement mise en oeuvre avec des techniques de deep learning comme les r´eseaux neuronaux r´ecurrents (RNN) ou les Transformers, en vue de mieux mod´eliser les interactions complexes/combinaison entre les paquets de donn´ees afin de mieux d´etecter de mod`eles malveillants. Le syst`eme propos´e sera ´evalu´e sur diff´erents jeux de donn´ees standard d’intrusions, permettant d’en tester l’efficacit´e par rapport aux approches classiques. Description: The rise in cyberthreats and the increasing sophistication of attacks have made it necessary to implement intrusion detection systems (IDS) capable of adapting to a wide variety of network data. Conventional detection techniques, though effective, have their limits when faced with complex and constantly evolving attacks. The aim of this Master’s project is to integrate an innovative approach, in particular using attention mechanisms drawn from research in artificial intelligence and natural language processing, to help improve the ability of IDS devices to detect abnormal network behavior. The approach relies on attention mechanisms to focus computational resources on critical segments of the network data flow, enabling fast and efficient detection of network anomalies. It will be jointly implemented with deep learning techniques such as Recurrent Neural Networks (RNN) or Transformers, to better model complex interactions/combination between data packets in order to better detect malicious patterns. The proposed system will be evaluated on various standard intrusion datasets, enabling us to test its effectiveness against conventional approaches. Sun, 15 Jun 2025 00:00:00 GMT http://dspace.univ-tiaret.dz:80/handle/123456789/16913 2025-06-15T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16912 Titre: Application de la Théorie de l’Évidence à la Fusion de Données Multi-Capteurs dans les Véhicules Autonomes Auteur(s): GARN, HADJIRA; BLIDI, FARAH Résumé: Dans ce projet de fin d’études, nous avons travaillé sur la fusion de données provenant de capteurs utilisés dans les véhicules autonomes, comme les radars, caméras et lidars. Ces capteurs peuvent être imprécis ou donner des informations différentes sur une même situation. L’objectif principal de notre travail était de mettre en place une méthode permettant de mieux comprendre l’environnement autour du véhicule, malgré ces incertitudes. Pour cela, nous avons utilisé la théorie de l’évidence (appelée aussi théorie de Dempster-Shafer), en nous concentrant sur trois types d’objets à reconnaître : un véhicule, un piéton, ou un objet immobile. Nous avons testé notre approche sur des données générées de manière aléatoire, puis analysé les résultats à l’aide de plusieurs mesures comme la précision, le rappel (recall) et le taux d’efficacité. Les résultats montrent que notre méthode permet une meilleure prise de décision et améliore la fiabilité de la perception du véhicule dans des situations incertaines Description: In this final year project, we worked on combining data from sensors used in autonomous vehicles, such as radars, cameras, and LiDARs. These sensors can sometimes be inaccurate or give different information about the same situation. The main goal was to develop a method to better understand the vehicle’s surroundings, even when the sensor data is uncertain. To do this, we used evidence theory (also known as Dempster-Shafer theory), focusing on detecting three types of objects: vehicles, pedestrians, and static objects. We tested our approach on randomly generated data and evaluated the results using several metrics such as precision, recall, and efficiency rate. The results show that our method improves decisionmaking and enhances the reliability of the vehicle’s perception in uncertain conditions. Tue, 17 Jun 2025 00:00:00 GMT http://dspace.univ-tiaret.dz:80/handle/123456789/16912 2025-06-17T00:00:00Z http://dspace.univ-tiaret.dz:80/handle/123456789/16908 Titre: Application mobile pour se déplacer à l'intérieur des structures publiques ou privées Auteur(s): BOUZERIA, Rabia; SLIMANI, Halima Résumé: L’utilisation généralisée des appareils mobiles a favorisé l’émergence de nouveaux services numériques visant à améliorer le quotidien des individus et à atténuer les pressions engendrées par le rythme effréné de la société de consommation. Parmi ces besoins croissants figure la nécessité de disposer de systèmes efficaces de localisation à l’intérieur des structures telles que les universités, les hôpitaux, les aéroports ou les centres commerciaux, où l’inefficacité des systèmes GPS pose un véritable problème d’orientation, en particulier dans les situations critiques. Dans ce contexte, le projet de fin d’études consiste à étudier, concevoir et développer une application mobile permettant aux utilisateurs de se déplacer à l’intérieur de ces espaces clos, à l’aide d’un système de positionnement reposant sur des technologies alternatives telles que le Wi-Fi, le Bluetooth Low Energy (BLE), les codes QR et la réalité augmentée Description: The widespread use of mobile devices has led to the emergence of new digital services aimed at improving people’s daily lives and reducing the pressures resulting from the fast pace of consumer society. Among these growing needs is the requirement for efficient indoor positioning systems within structures such as universities, hospitals, airports, and shopping centers, where the ineffectiveness of GPS creates a real challenge in user guidance, especially in critical situations. In this context, the graduation project involves studying, designing, and developing a mobile application that enables users to navigate within these enclosed spaces using a positioning system based on alternative technologies such as Wi-Fi, Bluetooth Low Energy (BLE), QR codes, and augmented reality. The system relies on a method of collecting signal strength at specific locations during a learning phase, storing this data in a database to be later used for determining position, with a learning algorithm implemented to estimate the most probable location. Sun, 01 Jun 2025 00:00:00 GMT http://dspace.univ-tiaret.dz:80/handle/123456789/16908 2025-06-01T00:00:00Z