intégration du réseau de neurones début

rcavalie
1 parent 4d6b688b
Showing 2 changed files with 48 additions and 1 deletions Show diff stats
python/ANN.py
python/main.py
@@ -5,6 +5,7 @@ Réseau de neurones
 P32 : Apprentissage DoS
 PFE 2018 - IMA5SC Polytech Lille
 """
+#Programme générique. N'oubliez pas de changer les PATHS
 ###############################################################################
 #LIBRAIRIES UTILES
 ###############################################################################
@@ -16,7 +17,6 @@ from sklearn.preprocessing import StandardScaler
 from sklearn.metrics import confusion_matrix
 # Réseau de neurones 
 from keras.models import Sequential
-from keras.models import model_from_json
 from keras.layers import Dense
 ###############################################################################
@@ -102,4 +102,15 @@ good_prediction = cm[0, 0] + cm[1, 1];
 #dire qu'une attaque est un trafic normal 
 bad_prediction = cm[1, 0] + cm[0, 1];  
 taux_succes = good_prediction * 100 / (good_prediction + bad_prediction);
+##########################################################################################
+
+##########################################################################################
+#SAUVEGARDE DU TRAINING SET
+##########################################################################################
+#Le modèle est mis au format JSON 
+classifier_json = classifier.to_json();
+with open('C:/Users/Utilisateur/PFE/python/Training/training.json',"w") as json_file : 
+    json_file.write(classifier_json);
+#Les poids sont mis en HDF5
+classifier.save_weights("C:/Users/Utilisateur/PFE/python/datasets/training.h5");
 ##########################################################################################
 \ No newline at end of file
@@ -10,8 +10,41 @@ Main - prédictions, affichage, vérification du trafic
 ###############################################################################
 import tkinter as tkr;
 import time;
+from keras.models import model_from_json
+from keras.models import Sequential
+import numpy as np
 ###############################################################################
+##########################################################################################
+#LOAD DU TRAINING SET
+##########################################################################################
+json_file=open('C:/Users/Utilisateur/PFE/python/Training/training.json','r');
+loaded_model_json=json_file.read();
+json_file.close();
+loaded_model=model_from_json(loaded_model_json);
+loaded_model.load_weights('C:/Users/Utilisateur/PFE/python/Training/training.h5');
+##########################################################################################
+
+##########################################################################################
+#REALISER DES PREDICTIONS
+##########################################################################################
+#PING en ms
+ping_mesured = 1000;
+#Delta _RSSI entre deux trames en dB (dBm - dBm -> dB)
+rssi_mesured = 8;
+classifier = Sequential();
+dataset_to_pred = [ping_mesured, rssi_mesured];
+predictions = classifier.predict(dataset_to_pred);
+
+predictions_named = [];
+
+for x in range(0, 1):
+    if predictions[x] > 0.5:
+        predictions_named.append("Normal")
+    else:
+        predictions_named.append("Attaque")
+##########################################################################################
+
 ###############################################################################
 #FONCTIONS UTILES
 ###############################################################################
@@ -54,6 +87,9 @@ def Refresher():
     text.configure(text=time.asctime());
     root.after(1000, Refresher);#Refresh toutes les secondes
+###############################################################################
+#AFFICHAGE
+###############################################################################
 root=tkr.Tk();
 Draw();
 Refresher();