Network Intrusion Detection Challenge
Classifier 10 types de trafic réseau : Normal, Generic, Exploits, Fuzzers, DoS, Reconnaissance, Analysis, Backdoor, Shellcode, Worms
Cybersécurité · Classification multi-classes · Métrique : Macro F1
Cybersécurité mondiale
La sécurité informatique
est cruciale de nos jours.
Chaque seconde, des millions de paquets traversent les réseaux mondiaux. Savoir distinguer le trafic légitime des attaques est devenu une compétence fondamentale pour les ingénieurs de demain.
Objectif de la compétition
Renforcer les compétences en Data Science
Un cas d'usage industriel réel pour consolider vos connaissances
Ce challenge vous confronte aux problématiques réelles qu'affrontent les data scientists en entreprise : données déséquilibrées, variables catégorielles à haute cardinalité, et évaluation multi-classes stricte. Les données proviennent d'un lab réseau de l'Université de New South Wales — le même type de dataset utilisé dans les systèmes SIEM et IDS/IPS en production.
Prétraitement réaliste
Encodage de proto (133 valeurs), normalisation, gestion des outliers sur des données réseau brutes.
Gestion du déséquilibre
SMOTE, class weights, rééchantillonnage — la classe Worms représente seulement 0.07% du dataset.
Sélection de modèles
Optimisation du Macro F1 sur 10 classes, validation croisée, tuning d'hyperparamètres. Modèle naïf plafonné à ~0.50.
Pipeline en équipe
Du prétraitement à la soumission : un pipeline reproductible, documenté, et itéré en équipe via une plateforme réelle.