Automation in cybersecurity / Chaimaa Abi (2023) 

Public ISBD Titre : Automation in cybersecurity : deep learning-based approaches for malware family identification Type de document : document électronique Auteurs : Chaimaa Abi, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Abdelouahab Boudjellal, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2023 Importance : 1 fichier PDF (3.9 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 65 - 68 Langues : Anglais (eng) Mots-clés : Deep learning Feature extraction Malware analysis Malware classification Malware visualization Multimodal Index. décimale : PI02623 Résumé : The rapid proliferation of malware presents a significant threat to computer systems and data security. The ability to detect and accurately classify malware is crucial for mitigating cyber threats and preventing potential damages. However, traditional methods for malware classification and analysis have shown some limitations in keeping pace with the with the ever-changing landscape of malware. In this thesis, we propose a novel approach that harnesses the power of machine and deep learning techniques for efficient malware classification and offers real-time and automated data-driven solution, enabling proactive measures to efficiently prevent and mitigate cyber threats. Automation in cybersecurity : deep learning-based approaches for malware family identification [document électronique] / Chaimaa Abi, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Abdelouahab Boudjellal, Directeur de thèse . - [S.l.] : [s.n.], 2023 . - 1 fichier PDF (3.9 Mo) : ill. Mode d'accès : accès au texte intégral par intranet Mémoire de Projet de Fin d’Etudes : Génie Industriel. Data Science-Intelligence Artificielle : Alger, Ecole Nationale Polytechnique : 2023 Bibliogr. P. 65 - 68 Langues : Anglais (eng) Mots-clés : Deep learning Feature extraction Malware analysis Malware classification Malware visualization Multimodal Index. décimale : PI02623 Résumé : The rapid proliferation of malware presents a significant threat to computer systems and data security. The ability to detect and accurately classify malware is crucial for mitigating cyber threats and preventing potential damages. However, traditional methods for malware classification and analysis have shown some limitations in keeping pace with the with the ever-changing landscape of malware. In this thesis, we propose a novel approach that harnesses the power of machine and deep learning techniques for efficient malware classification and offers real-time and automated data-driven solution, enabling proactive measures to efficiently prevent and mitigate cyber threats.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00640	PI02623	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Data sciences_Intelligence artificielle	Téléchargeable

Documents numériques

ABI.chaimaa.pdf URL