Abstract FR:

Cette thèse s’inscrit dans le domaine de l’analyse et la modélisation du trafic Internet à l’échelle des flots. L’extraction en ligne des statistiques sur les flots est une tâche difficile à cause du très haut débit du trafic actuel. Nous nous sommes intéressés dans cette thèse à l’étude de deux classes d’algorithmes traitant en ligne le trafic Internet. Dans la première partie, nous avons conçu un nouvel algorithme basé sur les filtres de Bloom pour l’identification en ligne des grands flots. Le point fort de cet algorithme est l’adaptation automatique aux variations du trafic. Une application intéressante est la détection en ligne des attaques par déni de service. Nous avons donc développé une version de l’algorithme qui intègre les spécificités des attaques. L’expérimentation montre que cette nouvelle méthode est capable d’identifier quasiment toutes les sources de trafic anormal avec un délai très court. Nous avons aussi étudié la performance de l’algorithme d’identification en ligne des grands flots. La deuxième partie de la thèse est consacrée à l’étude de l’échantillonnage et des algorithmes d’inférence des caractéristiques du trafic d’origine. D’abord, en utilisant un résultat d’approximations poissonniennes, nous avons montré que les deux méthodes d’échantillonnage : déterministe et probabiliste donnent des résultats équivalents du point de vue composition du trafic échantillonné en flots. Ensuite, nous avons conçu un algorithme permettant d’estimer, par un calcul asymptotique, à partir du trafic échantillonné, le nombre de flots dans le trafic réel et la distribution de leur taille sur un intervalle de temps court