Cet ouvrage présente une nouvelle modélisation de la corrélation d'alertes basée sur les classifieurs Bayésiens naïfs. Cette modélisation apprend les coordinations entre les actions élémentaires d'un scénario d'attaque sur la base d'une légère contribution des connaissances d'experts, tire profit des données disponibles sur les alertes et fournit des algorithmes efficaces pour la détection et la prédiction des objectifs d'intrusion. L'ouvrage montre aussi comment l'approche proposée peut être améliorée en prenant en compte les informations contextuelles codées en logiques de description, notamment dans le contexte de la détection coopérative d'intrusions. Plusieurs mesures d'évaluation sont également proposées dans cet ouvrage pour un multi-classifieurs Bayésiens naïfs. Ces mesures sont très importantes pour l'évaluation d'une approche de corrélation d'alertes utilisant un ensemble de classifieurs Bayésiens naïfs pour surveiller plusieurs objectifs d'intrusion.

Enseignant-chercheur à l'École Militaire Polytechnique (EMP - Alger). Il a obtenu un double diplôme de Doctorat de l'université d'Artois (France) et de l'USTHB (Algérie) pour une thèse en cotutelle soutenue en 2011. Ses domaines de recherche sont la sécurité informatique, les systèmes intelligents, les modèles graphiques et les réseaux de capteurs.