Durant cette dernière décennie, on constate qu’un nombre important et de plus en plus croissant de personnes utilisent leur véhicule personnel comme mode de transport principal. Cette situation a un impact sur les conditions de circulation qui sont de plus en plus imprévisibles, les embouteillages et les accidents qui augmentent d'année en année. Pour tenter de surmonter ces problèmes, on a recours à des systèmes de transports intelligents (STI) qui semblent assez prometteurs avec des possibilités d’échanges d’informations par les liens de communication V2X – Vehicle to Every Things. Ainsi, avec la modernisation des infrastructures de transports, l’amélioration continue des dispositifs de sécurité au sein des véhicules et l’utilisation des technologies de l'information et de la communication pour compléter les dispositifs ADAS existants d’aide à la conduite, les systèmes de transports intelligents tentent de réduire significativement les accidents et fluidifier le trafic. En l’exemple, les STI peuvent automatiquement fournir une alerte précoce des dangers sur la route ou peuvent même prendre contrôle du véhicule en cas de défaillance ou d’insuffisances du conducteur et lui éviter la perte de contrôle de son véhicule. Les systèmes de transport intelligents dépendent de la technologie de réseau et s’appuient sur les systèmes de communications sans fil pour établir des liens V2V et V2I – Véhicule à Véhicule et Véhicule à Infrastructure. Et si la sécurité des liens n'est pas assurée, ce système sophistiqué peut occasionner des dommages. Étant ouverte,la technologie de réseau est assez vulnérable aux interférences et exposée aux attaques par l’envoi de messages inappropriés, de mauvais comportement qui peuvent prendre la forme de messages de dysfonctionnement ou d'attaques. Pour surmonter cela et protéger les communications, on peut avoir recours aux techniques qui mettent en oeuvre le système de détection de comportement suspect (MBD) qui fonctionne comme un système de détection d'intrusion (IDS). L'IDS traditionnel fonctionne en utilisant des modèles d'attaques de base de données. Parallèlement à la technologie de réseau de plus en plus complexe, le système MBD a de plus en plus de difficultés à détecter de nouveaux modèles d'attaque. Pour cette raison, il est nécessaire et indispensable de mettre en œuvre, une technologie capable de s'adapter à n'importe quel modèle d'attaque. Ainsi, les travaux de dans cette recherche que nous avons développés, proposent une méthode de sécurisation utilisant la technique de Machine Learning comme base d'un IDS. La méthode que nous avons proposée peut prédire le comportement d’un véhicule, que le véhicule soit ou non un attaquant, sur la base des informations de position et de vitesse du véhicule. Avec l'aide de cette méthode, nous pouvons simplifier les informations nécessaires pour reconnaître les comportements anormaux sur le réseau véhiculaire. De plus, nous avons développé également un système de prédiction basé sur des messages de sécurité de base, qui servent de norme de l'industrie pour la communication des véhicules dans l'écosystème Cooperative ITS (C-ITS). Ce système, qui prédit si un message provient ou non du véhicule de l'attaquant, a le potentiel de servir d'alternative à l'IDS. Les deux approches ont été évaluées hors ligne et en ligne avec des résultats très encourageants. Ils offrent des perspectives intéressantes avec des potentialités de développement pour l'avancement de la technologie de sécurité au C-ITS en général.