Présentation Motifs Corrélés Rares

77
Université de Tunis Institut Supérieur de Gestion de Tunis École Doctorale Sciences de Gestion Motifs Corrélés Rares : Caractérisation et Nouvelles Représentations Concises Réalisé par : Souad BOUASKER Encadrée par : Mr. Sadok BEN YAHIA (Maître de Conférences, FST) Mr. Tarek HAMROUNI (Maître Assistant, ISAMM) 18 Mai 2012

Transcript of Présentation Motifs Corrélés Rares

Page 1: Présentation Motifs Corrélés Rares

Université de TunisInstitut Supérieur de Gestion de TunisÉcole Doctorale Sciences de Gestion

Motifs Corrélés Rares : Caractérisation etNouvelles Représentations Concises

Réalisé par :Souad B OUASKER

Encadrée par :Mr. Sadok B EN YAHIA (Maître de Conférences, FST)

Mr. Tarek H AMROUNI (Maître Assistant, ISAMM)

18 Mai 2012

Page 2: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 3: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 4: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Introduction et motivations

Fouille de données

La fouille de données : Étape du processus d’ECD.

Extraction des motifs fréquents .

Génération des règles associatives .

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 4 / 36

Page 5: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Introduction et motivations

Exemple : Contexte d’extraction K

N◦ client A : Chocolat B : Lait C : Chips D : Caviar E : Boissons1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 4 / 36

Page 6: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Introduction et motivations

Exemple : Contexte d’extraction K

N◦ client A : Chocolat B : Lait C : Chips D : Caviar E : Boissons1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

O = {1, 2, 3,4, 5}I = {A,B,C,D,E}

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 4 / 36

Page 7: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Définition : Supports d’un motif

Le support conjonctif d’un motif I : Supp(∧I) (ou simplementSupp(I)).

Le support disjonctif d’un motif I : Supp(∨I).

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 8: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Exemple : Contexte formel K

A B C D E1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 9: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Exemple : Contexte formel K

A B C D E1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Supp( ∧ AD) = 1

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 10: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Exemple : Contexte formel K

A B C D E1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Supp( ∨ AD) = 3

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 11: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Exemple : Contexte formel K

A B C D E1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Supp( ∧ ACE ) = 2

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 12: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Extraction de motifs

Exemple : Contexte formel K

A B C D E1 1 0 1 1 02 0 1 1 0 13 1 1 1 0 14 0 1 0 0 15 1 1 1 0 1

Supp( ∨ ACE ) = 5

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 5 / 36

Page 13: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motifs Rares versus Motifs Fréquents

Motifs fréquents : Support conjonctif ≥ minsupp.➥ La contrainte de fréquence est anti-monotone.

Motifs rares : Support conjonctif < minsupp.➥ La contrainte de rareté est monotone.

Pour minsupp = 3

Quelques motifs fréquents : (B, 4), (BE, 4), (BCE, 3)

Quelques motifs rares : (D, 1), (AB, 2), (ACD, 1)

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 6 / 36

Page 14: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motifs Rares versus Motifs Fréquents

Motifs fréquents : Support conjonctif ≥ minsupp.➥ La contrainte de fréquence est anti-monotone.

Motifs rares : Support conjonctif < minsupp.➥ La contrainte de rareté est monotone.

Pour minsupp = 3

Quelques motifs fréquents : (B, 4), (BE, 4), (BCE, 3)

Quelques motifs rares : (D, 1), (AB, 2), (ACD, 1)

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 6 / 36

Page 15: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motifs Rares versus Motifs Fréquents

Motifs fréquents : Support conjonctif ≥ minsupp.➥ La contrainte de fréquence est anti-monotone.

Motifs rares : Support conjonctif < minsupp.➥ La contrainte de rareté est monotone.

Pour minsupp = 3

Quelques motifs fréquents : (B, 4), (BE, 4), (BCE, 3)

Quelques motifs rares : (D, 1), (AB, 2), (ACD, 1)

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 6 / 36

Page 16: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motivations d’extraction des motifs rares

Cadres d’application des motifs rares :

La détection des maladies rares

La détection de fraudes dans les systèmes financiers

L’analyse du désordre génétique

La sécurité informatique

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 7 / 36

Page 17: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motivations d’extraction des motifs rares

Adresse IP Port Authentification Date196.24.12.21 23 V t1132.44.32.11 8080 V t2197.23.22.2 80 V t322.20.12.98 21 NV t410.24.12.21 1221 V t5

L’adresse 22.20.12.98 peut être à l’origine d’une attaque sur le port 21 !

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 8 / 36

Page 18: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motivations d’extraction des motifs rares

Adresse IP Port Authentification Date196.24.12.21 23 V t1132.44.32.11 8080 V t2197.23.22.2 80 V t322.20.12.98 21 NV t410.24.12.21 1221 V t5

L’adresse 22.20.12.98 peut être à l’origine d’une attaque sur le port 21 !

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 8 / 36

Page 19: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Motivations d’extraction des motifs rares

Adresse IP Port Authentification Date196.24.12.21 23 V t1132.44.32.11 8080 V t2197.23.22.2 80 V t322.20.12.98 21 NV t410.24.12.21 1221 V t5

L’adresse 22.20.12.98 peut être à l’origine d’une attaque sur le port 21 !

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 8 / 36

Page 20: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Problématique

Problématique

Absence de lien sémantique entre les items des motifs raresextraits :Exemple : “Lait” et “Caviar”.

Le nombre élevé des motifs rares extraits.

Solutions

Intégration des mesures de corrélation : Motifs corrélés rares

Extraction d’une représentation concise des motifs rarescorrélés.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 9 / 36

Page 21: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Problématique

Problématique

Absence de lien sémantique entre les items des motifs raresextraits :Exemple : “Lait” et “Caviar”.

Le nombre élevé des motifs rares extraits.

Solutions

Intégration des mesures de corrélation : Motifs corrélés rares

Extraction d’une représentation concise des motifs rarescorrélés.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 9 / 36

Page 22: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Problématique

Problématique

Absence de lien sémantique entre les items des motifs raresextraits :Exemple : “Lait” et “Caviar”.

Le nombre élevé des motifs rares extraits.

Solutions

Intégration des mesures de corrélation : Motifs corrélés rares

Extraction d’une représentation concise des motifs rarescorrélés.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 9 / 36

Page 23: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Problématique

Problématique

Absence de lien sémantique entre les items des motifs raresextraits :Exemple : “Lait” et “Caviar”.

Le nombre élevé des motifs rares extraits.

Solutions

Intégration des mesures de corrélation : Motifs corrélés rares

Extraction d’une représentation concise des motifs rarescorrélés.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 9 / 36

Page 24: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Introduction et MotivationsProblématique

Problématique

Problématique

Absence de lien sémantique entre les items des motifs raresextraits :Exemple : “Lait” et “Caviar”.

Le nombre élevé des motifs rares extraits.

Solutions

Intégration des mesures de corrélation : Motifs corrélés rares

Extraction d’une représentation concise des motifs rarescorrélés.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 9 / 36

Page 25: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 26: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

L’ensemble MCR des motifs rares corrélés

Définitions : Motif rares versus Motifs corrélés

L’ensemble des motifs rares est défini par :

MR = {I ⊆ I | Supp(I) < minsupp}

L’ensemble des motifs corrélés est défini par :

MC = {I ⊆ I | bond(I) ≥ minbond}

avec bond (I) =Supp( ∧ I)Supp( ∨ I)

.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 11 / 36

Page 27: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

L’ensemble MCR des motifs rares corrélés

Définitions : Motif rares versus Motifs corrélés

L’ensemble des motifs rares est défini par :

MR = {I ⊆ I | Supp(I) < minsupp}

L’ensemble des motifs corrélés est défini par :

MC = {I ⊆ I | bond(I) ≥ minbond}

avec bond (I) =Supp( ∧ I)Supp( ∨ I)

.

Conjonction de deux contraintes de types opposés

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 11 / 36

Page 28: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs raresLe contexte K pour minsupp = 3

{}

BC AD CD BE CE

ABE ABD ACDACE BDE CDEABC

A B C E

ABCD ACDE ABCE ABDE BCDE

ABCDE

Motif rare minimal

BCD

3 4 4 1 4

2 3 2 3 10 1 4 3 0

2 2 2 0 31 0 0 0 0

20 0 0 0

Bordure séparant les motifs rares de ceux fréquents

D

AC

BCE

5

Motif rare

Motif fréquent

ADE

0

AB AEBD DE

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 12 / 36

Page 29: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs raresLe contexte K pour minsupp = 3

{}

BC AD CD BE CE

ABE ABD ACDACE BDE CDEABC

A B C E

ABCD ACDE ABCE ABDE BCDE

ABCDE

Motif rare minimal

BCD

3 4 4 1 4

2 3 2 3 10 1 4 3 0

2 2 2 0 31 0 0 0 0

20 0 0 0

Bordure séparant les motifs rares de ceux fréquents

D

AC

BCE

5

Motif rare

Motif fréquent

ADE

0

AB AEBD DE

“être rare” : contrainte monotone induisant un filtre d’ordreSouad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 12 / 36

Page 30: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés selon la mesure bondLe contexte K pour minbond = 0,20

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 13 / 36

Page 31: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés selon la mesure bondLe contexte K pour minbond = 0,20

“être corrélé” : contrainte anti-monotone induisant un idéal d’ordre

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 13 / 36

Page 32: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés rares

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 14 / 36

Page 33: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés rares

Ni un idéal d’ordre ni un filtre d’ordre :Extraction plus complexe et plus coûteuse

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 14 / 36

Page 34: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés rares

Définition

L’ensemble MCR des motifs corrélés rares est défini par :

MCR = {I ⊆ I | Supp(I) < minsupp et bond(I) ≥ minbond}

avec bond (I) =Supp( ∧ I)Supp( ∨ I)

.

Pour minsupp = 4 et minbond = 0,20

Quelques motifs corrélés rares :

(D, 1, 11 ), (AB, 2, 2

5 ), (BCE, 3, 35 ), (ABCE, 2, 2

5 ).

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 15 / 36

Page 35: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Motifs corrélés rares

Définition

L’ensemble MCR des motifs corrélés rares est défini par :

MCR = {I ⊆ I | Supp(I) < minsupp et bond(I) ≥ minbond}

avec bond (I) =Supp( ∧ I)Supp( ∨ I)

.

Pour minsupp = 4 et minbond = 0,20

Quelques motifs corrélés rares :

(D, 1, 11 ), (AB, 2, 2

5 ), (BCE, 3, 35 ), (ABCE, 2, 2

5 ).

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 15 / 36

Page 36: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 37: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les classes d’équivalence corrélées rares

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 17 / 36

Page 38: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les classes d’équivalence corrélées rares

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 17 / 36

Page 39: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

MMCR versus MFCR

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 18 / 36

Page 40: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

MMCR versus MFCR

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 18 / 36

Page 41: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

MMCR versus MFCR

Tous les éléments d’une classe d’équivalence partagent :

La même fermeture par rapport à la mesure bond.

Les mêmes supports conjonctif, disjonctif, et négatif.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 18 / 36

Page 42: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 43: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 44: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 45: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 46: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 47: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 48: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 49: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Les représentations concises exactes proposées

Définitions

RMCR = MFCR ∪ MMCR.

RMMaxF = max⊆{MFCR} ∪ MMCR.

RMinMF = MFCR ∪ min⊆{MMCR}.

Pour minsupp = 4 et minbond = 0,20

MCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ABC, ABE, ACD, ACE, BCE,ABCE}

RMCR = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, BCE, ABCE}

RMMaxF = {A, D, AB, AC, AD, AE, BC, CD, CE, ACD, ABCE}

RMinMF = {A, D, AC, AD, BC, CE, ACD, BCE, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 19 / 36

Page 50: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

La représentation approximative RMinMMaxF

Définition

RMinMMaxF = max⊆{MFCR} ∪ min⊆{MMCR}

Pour minsupp = 4 et minbond = 0,20

RMinMMaxF = {A, D, BC, CE, ACD, ABCE}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 20 / 36

Page 51: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Aperçu des représentations proposées

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 21 / 36

Page 52: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Aperçu des représentations proposées

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 21 / 36

Page 53: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Aperçu des représentations proposées

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 21 / 36

Page 54: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

L’algorithme CRPR_MINER

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 22 / 36

Page 55: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

L’algorithme CRPR_MINER

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 22 / 36

Page 56: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

L’algorithme CRPR_MINER

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 22 / 36

Page 57: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

L’algorithme CRPR_MINER

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 22 / 36

Page 58: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Intérrogation de la représentation RMCR

Exemple :

ACE : Motif corrélé rare? Si oui, dériver son supportconjonctif et sa valeur de la mesure bond.

AE ∈ MMCR et ABCE ∈ MFCR avec AE ⊆ ACE et ACE ⊆ABCE

➥ ACE ∈ MCR

Supp(ACE) = Supp(ABCE) = 2

bond (ACE) = bond (ABCE) =25

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 23 / 36

Page 59: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Intérrogation de la représentation RMCR

Exemple :

ACE : Motif corrélé rare? Si oui, dériver son supportconjonctif et sa valeur de la mesure bond.

AE ∈ MMCR et ABCE ∈ MFCR avec AE ⊆ ACE et ACE ⊆ABCE

➥ ACE ∈ MCR

Supp(ACE) = Supp(ABCE) = 2

bond (ACE) = bond (ABCE) =25

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 23 / 36

Page 60: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Régénération de l’ensemble MCRExemple :

Initialement, MCR = RMCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

),

(AE, 2,25

), (CD, 1,14

), (ACD, 1,14

), (ABCE, 2,25

)}.

Génération des motifs ABE et ABC compris entre le minimal AB etson fermé ABCE.

Génération du motif ACE compris entre le minimal AE et sonfermé ABCE.

MCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

), (AE, 2,25

), (CD, 1,14

),

(ABC, 2,25

), (ABE, 2,25

), (ACD, 1,14

), (ACE, 2,25

), (ABCE, 2,25

)}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 24 / 36

Page 61: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Régénération de l’ensemble MCRExemple :

Initialement, MCR = RMCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

),

(AE, 2,25

), (CD, 1,14

), (ACD, 1,14

), (ABCE, 2,25

)}.

Génération des motifs ABE et ABC compris entre le minimal AB etson fermé ABCE.

Génération du motif ACE compris entre le minimal AE et sonfermé ABCE.

MCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

), (AE, 2,25

), (CD, 1,14

),

(ABC, 2,25

), (ABE, 2,25

), (ACD, 1,14

), (ACE, 2,25

), (ABCE, 2,25

)}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 24 / 36

Page 62: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Régénération de l’ensemble MCRExemple :

Initialement, MCR = RMCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

),

(AE, 2,25

), (CD, 1,14

), (ACD, 1,14

), (ABCE, 2,25

)}.

Génération des motifs ABE et ABC compris entre le minimal AB etson fermé ABCE.

Génération du motif ACE compris entre le minimal AE et sonfermé ABCE.

MCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

), (AE, 2,25

), (CD, 1,14

),

(ABC, 2,25

), (ABE, 2,25

), (ACD, 1,14

), (ACE, 2,25

), (ABCE, 2,25

)}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 24 / 36

Page 63: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Régénération de l’ensemble MCRExemple :

Initialement, MCR = RMCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

),

(AE, 2,25

), (CD, 1,14

), (ACD, 1,14

), (ABCE, 2,25

)}.

Génération des motifs ABE et ABC compris entre le minimal AB etson fermé ABCE.

Génération du motif ACE compris entre le minimal AE et sonfermé ABCE.

MCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

), (AE, 2,25

), (CD, 1,14

),

(ABC, 2,25

), (ABE, 2,25

), (ACD, 1,14

), (ACE, 2,25

), (ABCE, 2,25

)}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 24 / 36

Page 64: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Les classes d’équivalence corrélées raresLes représentations concises exactes proposéesLa représentation concise approximative proposéeAlgorithme d’extraction des représentations concises

Régénération de l’ensemble MCRExemple :

Initialement, MCR = RMCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

),

(AE, 2,25

), (CD, 1,14

), (ACD, 1,14

), (ABCE, 2,25

)}.

Génération des motifs ABE et ABC compris entre le minimal AB etson fermé ABCE.

Génération du motif ACE compris entre le minimal AE et sonfermé ABCE.

MCR = {(D, 1,11

), (AB, 2,25

), (AD, 1,13

), (AE, 2,25

), (CD, 1,14

),

(ABC, 2,25

), (ABE, 2,25

), (ACD, 1,14

), (ACE, 2,25

), (ABCE, 2,25

)}.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 24 / 36

Page 65: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 66: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Variation des cardinalités en fonction de minsupp

1024

2048

4096

8192

16384

32768

65536

131072

0 10 20 30 40 50 60

Nom

bre

de m

otifs

Minsupp (%)

Pumsb* (minbond = 0.5)

MCRRMCR

RMMaxFRMinMF

RMinMMaxF

256 512

1024 2048 4096 8192

16384 32768 65536

131072 262144

10 20 30 40 50 60 70 80 90N

ombr

e de

mot

ifsMinsupp(%)

Accidents (minbond = 0,30)

MCRRMCR

RMMaxFRMinMF

RMinMMaxF

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 26 / 36

Page 67: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Variation des cardinalités en fonction de minbond

1024 2048 4096 8192

16384 32768 65536

131072 262144 524288

40 50 60 70 80 90 100

Nom

bre

de m

otifs

Minbond (%)

Pumsb* (minsupp = 40%)

MCRRMCR

RMMaxFRMinMF

RMinMMaxF

256

1024

4096

16384

65536

262144

1.04858e+006

20 30 40 50 60 70 80 90 100N

ombr

e de

mot

ifs

Minbond (%)

Accidents (minsupp = 50%)

MCRRMCR

RMMaxFRMinMF

RMinMMaxF

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 27 / 36

Page 68: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Temps d’extraction

64

128

256

512

1024

2048

10 20 30 40 50 60 70 80 90

Tem

ps E

xtra

ctio

n (s

ec)

Minsupp(%)

Pumsb (minbond = 0,80)

Tps-RMCRTps-RMMaxF

Tps-RMinMFTps-RMinMMaxF

32

64

128

5 10 15 20 25 30T

emps

Ext

ract

ion

(sec

)Minsupp (%)

T40I10D100K (minbond = 0,10)

Tps-RMCRTps-RMMaxF

Tps-RMinMFTps-RMinMMaxF

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 28 / 36

Page 69: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 70: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Démarche de l’application : Schématisation duprocessus

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 30 / 36

Page 71: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Évaluation expérimentale pour les bases de donnéesDARPA 1998

Figure: Évaluation expérimentale pour les cinq classes d’attaques.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 31 / 36

Page 72: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Évaluation expérimentale

Figure: Comparaison entre les régles génériques corrélées rares declassification et l’approche WIFI MINER.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 32 / 36

Page 73: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Évaluation expérimentale

Figure: Comparaison entre les régles génériques corrélées rares declassification et l’approche WIFI MINER.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 32 / 36

Page 74: Présentation Motifs Corrélés Rares

Plan

1 Introduction

2 Caractérisation de l’ensemble MCR des motifs corrélés rares

3 Nouvelles représentations concises des motifs corrélés rares

4 Évaluation expérimentale

5 Application : Détection d’intrusions

6 Conclusion et perspectives

Page 75: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Conclusion

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 34 / 36

Page 76: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Perspectives

L’optimisation des algorithmes proposés.

L’extraction des formes généralisées des règles d’associationscorrélées rares.

L’extension de l’approche proposée pour les motifs corrélés raresselon d’autres mesures de corrélation.

L’intégration du noyau réalisé dans un système interactif.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 35 / 36

Page 77: Présentation Motifs Corrélés Rares

IntroductionCaractérisation de l’ensemble MCR des motifs corrélés rares

Représentations ConcisesÉvaluation expérimentale

Application : Détection d’intrusionsConclusion et perspectives

Merci de votre attention.

Souad B OUASKER Représentations Concises des Motifs Corrélés Rares Mai 2012 36 / 36