Automatisation de la réduction des risques d'attaque dans des environnements 5G.
Automation of attack mitigations in 5G environments
Jury
Directeur de these_CHRISMENT_Isabelle_Université de Lorraine
Co-encadrant de these_FRANCOIS_Jerome_University of Luxembourg
Examinateur_HIET_Guilaume_CentraleSupélec
Examinateur_ADDIS_Bernardetta _Loria
Rapporteur_BRONZINO_Francesco _ENS Lyon
Rapporteur_AITSAADI_Nadjib _DAVID Computer Science Research Laboratory
école doctorale
IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
Laboratoire
LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Mention de diplôme
Informatique
A008
Campus Scientifique, 615 Rue du Jardin-Botanique, 54506 Vandœuvre-lès-Nancy
Mots clés
5G,environnement dynamique,Sécurité,,
Résumé de la thèse
Les systèmes de détection d'intrusion réseau (Network Intrusion Detection Systems, NIDS) basés sur l'apprentissage automatique obtiennent souvent d'excellentes performances sur des jeux de données publics. Pourtant, ces résultats reposent fréquemment sur un schéma d'usage relativement statique (entraîner une fois, évaluer une fois, puis déployer), alors que les réseaux réels évoluent en continu : les applications changent, les usages se transforment, et les attaquants adaptent leurs stratégies.
Keywords
dynamic environment,Security,5G,,
Abstract
Machine learning-based Network Intrusion Detection Systems (NIDS) often achieve excellent performance on public datasets. However, these results frequently rely on a relatively static usage paradigm (train once, evaluate once, deploy), whereas real-world networks continuously evolve: applications change, usage patterns shift, and attackers adapt their strategies.
