Ref HAL: hal-00783638_v1
Abstract: Dans cet article, nous portons notre regard sur l'aide à la décision du point de vue des systèmes décisionnels au sens des entrepôts de données et de l'analyse en ligne. Après avoir défini les concepts qui sous-tendent ces systèmes, nous nous proposons d'aborder les problématiques de recherche qui leur sont liées selon quatre points de vue : les données, les environnements de stockage, les utilisateurs et la sécurité. Nous abordons finalement les problèmes qui restent ouverts dans le domaine des entrepôts de données.

Abstract: Recently, information security has become a key issue in information technology as the number of computer security breaches are exposed to an increasing number of security threats. A variety of intrusion detection systems (IDS) have been employed for protecting computers and networks from malicious network-based or host-based attacks by using traditional statistical methods to new data mining approaches in last decades. In effect, the detection of the anomalies in the data-processing networks is regarded as one problem of data classification where the use of the data mining techniques and machine learning. In this paper, we present a new method performing the intrusion detection system. This approach, called MCSAS, is based on a multiple classifier System that uses an adaptive strategy for intrusion detection. The adaptive strategy is inspired from Boosting, an ensemble method that distinguishes attacks from normal behaviors and identifies different types of intrusions. The experimental results, conducted on the KDD99 dataset, prove that our proposed solution approach outperforms several state-of-the-art methods, particularly indetecting rare attack types.

Ref HAL: hal-00667416_v1
Abstract: Avec l'avènement de l'informatique dans les nuages (Cloud Compu- ting) comme un nouveau modèle de déploiement des systèmes informatiques, les entrepôts de données profitent de ce nouveau paradigme. Dans ce contexte, il devient nécessaire de bien protéger ces entrepôts de données des différents risques et dangers qui sont nés avec l'informatique dans les nuages. En conséquence nous proposons dans ce travail une façon de limiter ces risques à travers l'algorithme le partage de clés secret de Shamir et nous mettons cette contribution en pratique.

---------

Ref HAL: hal-00634704_v1
Abstract: Les entrepôts de données contiennent des données sensibles qui doivent être protégées contre les accès non autorisés, aussi bien directs que par inférence. Les accès directs sont contrôlables par des autorisations gérées par le serveur OLAP. Cependant, ce dernier n’offre pas de mécanismes pour protéger l’entrepôt contre deux types d’inférences : les inférences précises permettant la déduction de valeurs exactes des mesures, et les inférences partielles permettant d’avoir une idée grossière sur les valeurs des mesures. Dans cet article, nous proposons une approche pour la sécurisation des entrepôts de données qui, d’une part, interdit les inférences partielles dans le cas des requêtes utilisant la fonction d’agrégation Sum et, d’autre part, empêche les inférences précises dans le cas des requêtes utilisant les fonctions d’agrégation Min ou Max. Pour ce faire, nous exploitons les méthodes statistiques contre les inférences partielles, et les réseaux Bayésiens contre les inférences précises.