Thèse soutenue

Exploitation d’Images Interceptées Basée Apprentissage Profond
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Florian Lemarchand
Direction : Maxime Pelcat
Type : Thèse de doctorat
Discipline(s) : Signal, Image, Vision
Date : Soutenance le 29/09/2021
Etablissement(s) : Rennes, INSA
Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
Partenaire(s) de recherche : Laboratoire : Institut d'Électronique et de Télécommunications (Rennes)
Jury : Président / Présidente : William Puech
Examinateurs / Examinatrices : William Puech, Fan Yang Song, Olivier Strauss, François Berry, Emmanuel Cottais, Bart Goossens, Erwan Nogues
Rapporteurs / Rapporteuses : Fan Yang Song, Olivier Strauss

Résumé

FR  |  
EN

La tendance récente est de rendre les données numériques disponibles à tout moment et en tout lieu, ce qui crée de nouvelles menaces de confidentialité. Les données sont échangées et consultées à l'aide de systèmse d'information (SI) et de leurs écrans. Un canal auxiliaire correspond à un chemin de données non intentionnel en opposition avec le canal traditionnel. En particulier, les canaux auxiliaires électro-magnétiques (EM) sont dus aux champs émis par les câbles et les connecteurs vidéo lorsque leur tension interne change. Il a été démontré que le contenu d'un écran peut être recontruit à des dizaines de mètres à partir des émanations par canal auxiliaire. Jusqu'à aujourd'hui, les travaux menés de l'état de l'art sur la reconstruction d'images, à partir d'émanations EM, se sont principalement concentrés sur un point de vue traitement du signal.Récemment, le domaine du traitement d'image a été révolutionné par l'apprentissage profond. Ces algorithmes ont dépassé les performances des algorithmes experts de l'état de l'art. Dans ce manuscrit, il est montré que les méthodes par apprentissage profond pour la restauration et l'interprétation d'images peuvent être appliquées aux images reconstruites depuis l'interception d'émanations EM. Le manuscrit étudie la corruption impliquée par l'interception et démontre que cette corruption est complexe. Le manuscrit propose des expériences et des contributions sur l'application des techniques par apprentissage profond à la restauration et à l'automatisation de l'interprétation des images interceptées.