Ce module s’adresse aux doctorants en informatique, intelligence artificielle ou cybersécurité. Il forme à la conception d’un système de détection d’intrusions (IDS) basé sur l’apprentissage profond.
Objectifs pédagogiques :
Analyser l’état de l’art des jeux de données IDS (CICIDS2017, KDD99).
Évaluer l’impact du déséquilibre de classes sur les métriques (F1-score, rappel).
Concevoir un pipeline complet : prétraitement, SMOTE, réseau de neurones profond.
Critiquer les performances d’un modèle IDS et proposer des améliorations.
Prérequis : Python, bases du machine learning, notions de réseaux de neurones.
Durée : 3 séquences, environ 9 heures de travail personnel.
