Tous les journaux publics

Affichage combiné de tous les journaux disponibles sur Wiki Campus Cyber. Vous pouvez personnaliser l’affichage en sélectionnant le type de journal, le nom d’utilisateur ou la page concernée (ces deux derniers étant sensibles à la casse).

• 15 juin 2022 à 10:44 194.206.236.81 discussion a créé la page Machine Learning contre DDoS (Page créée avec « {{Cas d'usage |Name=Machine Learning contre DDoS |Status=Listé }} ==Descriptif du use case== Nous parlons ici de la détection d’un type d’attaque qui consiste à augmenter le volume des requêtes entrantes sur un service donné (par exemple http) pour noyer celui-ci sous ces requêtes jusqu’à potentiellement le rendre inopérant. De manière générale la problématique peut se résumer à effectuer de la classification de trafic réseau : * En vol... »)
• 15 juin 2022 à 09:44 194.206.236.81 discussion a créé la page WIFI Pwnagotchi (Page créée avec « {{Cas d'usage |Name=WIFI Pwnagotchi |Status=Développé }} ==Descriptif du use case== Détection de vulnérabilités wifi par apprentissage par renforcement. ===Objectif === Détecter et craquer des réseaux wifi vulnérables. Pwnagotchi s’appuie sur un modèle A2C (Advantage-Actor-Critic) d’apprentissage par renfor-cement qui apprend de son environnement WiFi environnant afin de maximiser le taux de clés WPA craquables qu'il capture (soit en renifl... »)
• 15 juin 2022 à 09:37 194.206.236.81 discussion a créé la page Détection de démissionnaires pressentis (Page créée avec « {{Cas d'usage |Name=Détection de démissionnaires pressentis |Status=Listé }} == Descriptif du use case== Avant son départ de l’entreprise, un utilisateur peut être tenté de garder en sa possession des informations confidentielles ou des documents sur lesquels il a travaillé (exfiltration de données), de frauder ou de corrompre des données. La détection des comportements suspects de démissionnaires pressentis semble donc être primordiale. En anal... »)
• 15 juin 2022 à 09:34 194.206.236.81 discussion a créé la page Détection d’événements de sécurité (Page créée avec « {{Cas d'usage |Name=Détection d’événements de sécurité |Status=Développé }} ==Descriptif du use case== Améliorer l'efficacité de la détection d'événements de sécurité anormaux en mesurant leur déviation par rapport à un comportement considéré comme ordinaire ou à faible risque. L’objectif est d’améliorer l’efficacité de détection du SOC (Security Operation Center) via l’ajout de l’Intelligence Artificielle au sein du SIEM (Secur... »)
• 15 juin 2022 à 09:30 194.206.236.81 discussion a créé la page Détection d’intrusions et de man-in-the middle dans les réseaux OT et IoT (Page créée avec « {{Cas d'usage |Name=Détection d’intrusions et de man-in-the middle dans les réseaux OT et IoT |Status=Listé }} ==Descriptif du use case== Entity Behavior Analysis pour détection de comportements anormaux dans des réseaux OT : le système analyse le graphe de communications du réseau sur l’ensemble des couches des matrices OSI / Purdue et détecte des anomalies comportementales liées à un attaquant qui réalise des opérations malveillantes dans le r... »)
• 15 juin 2022 à 09:14 194.206.236.81 discussion a créé la page User behavior anomaly detection (Page créée avec « {{Cas d'usage |Name=User behavior anomaly detection |Status=Développé }} == Descriptif du use case == User behavior anomaly detection Détecter les anomalies dans les modèles de comportement des utilisateurs afin de détecter les comptes compromis, les accès non autorisés, les mouvements latéraux et/ou les menaces internes. ==Approche== Le modèle apprend le comportement normal de chaque utilisateur du système surveillé et détecte toute déviation.... »)
• 15 juin 2022 à 09:09 194.206.236.81 discussion a créé la page Confidentiality Classification (Page créée avec « {{Cas d'usage |Name=Confidentiality Classification |Status=Développé }} == Descriptif du use case == Confidentiality Classification === Objectif === Classifier (au sens DICT, confidentialité prédéfinie en 4 niveaux) des données non structurées à partir d'une analyse par similarité des données proches (structure, métadonnées, contenu) dans l'objectif de pré-classifier ou re-classifier une donnée sans intervention utilisateur. == Approche == *... »)