Une rencontre entre les noyaux de graphes et la détection d’anomalies dans les réseaux

La detection d’anomalies demeure une tâche cruciale pour assurer une gestion efficace et flexible d’un reseau. Recemment, les noyaux de graphes ont connu un grand succes dans de nombreux domaines, notamment en bio-informatique et vision artificielle. Notre travail vise a etudier leur pouvoir de discrimination dans le domaine des reseaux afin de detecter les vulnerabilites et categoriser le trafic. Dans cet article, nous presentons Nadege, un systeme d’apprentissage a l’interieur duquel nous concevons un nouveau noyau de graphe adapte au profilage de reseaux. De surcroit, nousproposons des algorithmes avec des garanties d’approximation theoriques ainsi qu’une politique de detection hybride. Finalement, nous evaluons les performances de Nadege en menant des experiences approfondies sur une variete d’environnements reseaux. Pour differents scenarios, nous montrons son efficacite a empecher les anomalies de perturber le reseau tout en fournissant une assistance pour la surveillance du trafic.