Surveillance d'examens à distance par analyse comportementale

Remote examination proctoring by behavioral analysis

• Auteur / Autrice : Mohamed Amine Haytom
• Direction : Christophe Rosenberger, Christophe Charrier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 09/07/2021
• Etablissement(s) : Normandie
• Ecole(s) doctorale(s) : École doctorale mathématiques, information et ingénierie des systèmes (Caen)
• Partenaire(s) de recherche : Laboratoire : Groupe de recherche en informatique, image, automatique et instrumentation de Caen (1995-....)
• Partenaire(s) de recherche : établissement de préparation : Université de Caen Normandie (1971-....)
• Jury : Président / Présidente : Choubeila Maaoui
• Jury : Examinateurs / Examinatrices : Christophe Rosenberger, Christophe Charrier, Bruno Emile, Philippe Carré, Cédric de Jacquelot
• Jury : Rapporteurs / Rapporteuses : Bruno Emile, Philippe Carré

Mots clés

Mots clés contrôlés

Vie privée

Perception des visages

Biométrie

Mots clés libres

Dynamique de frappe

Sécurité

Biometrics

Privacy

Security

Keystroke dynamics

Facial recognition

Résumé

Les techniques d'enseignement à distance se développent à un rythme rapide. Souvent, les concepteurs de programmes sont fascinés par les dernières technologies sans aborder les problèmes sous-jacents liés aux besoins des apprenants. Ce type de système doit garantir l'égalité d'accès aux systèmes dans le processus éducatif et de s'adapter aux nouveaux rôles de l’institution formatrice et de l'apprenant. Un point important concerne la confiance associée aux résultats des épreuves réalisées en ligne sur le processus d'apprentissage à distance. L’enseignement supérieur encourage les écoles et universités à lutter contre la tricherie plus efficacement et s’intéresse plus sur la qualité et l’intégrité de l’apprentissage à distance. La surveillance en ligne inclut tous les processus automatisés qui aident à sécuriser un événement d’évaluation à distance. En effet, plusieurs organismes reconnaissent enfin les faiblesses de la sécurité de la surveillance traditionnelle. La croissance rapide des nouvelles technologies auxquelles un nombre croissant de personnes dans le monde peut accéder a permis la multiplication des offres de formation en ligne. Parallèlement, cette évolution rapide a sans aucun doute entraîné une augmentation du nombre de tentatives de fraude aux examens. Par ailleurs, il existe différentes attaques possibles menaçant la vie privée des individus. L'apprenant peut être confronté à un vol d'identité ou à une tentative de réalisation d'actions frauduleuses, il est donc obligatoire de les contrer et de définir les exigences nécessaires à la gestion des examens et à la protection des données personnelles.Le but de cette thèse est de répondre au besoin de surveillance d'un examen à distance par intégration d’une solution basée sur une technologie actuelle avec des modalités biométriques différentes et la mise en œuvre d'un système de surveillance automatisé pour surveiller et vérifier l’identité des apprenants durant un examen en ligne. Dans ce travail, nous avons mis en place une application biométrique multimodale innovante avec deux modalités : la dynamique de frappe au clavier et la reconnaissance faciale afin de vérifier l’identité des apprenants lors d’un examen à distance.La biométrie est un sujet de recherche actif en raison de son utilité pour un large éventail d’applications, elle fait référence à l'exploitation de caractéristiques physiologiques ou comportementales d'un individu à des fins d'authentification ou d'identification. Notre système biométrique basé sur la collecte et le traitement des données personnelles respecte le Règlement européen Général sur la Protection des Données (RGPD). Un module de détection et de vérification d'identité a été intégré et utilisé à l'échelle industrielle pour plusieurs épreuves à distance. Nous avons mis en place un autre système pour la détection de la fraude permettant d’évaluer l’environnement de l’apprenant durant un examen à distance. En effet, plusieurs techniques basées sur l’analyse d’image, le traitement du signal sonore et les événements clavier ont été utilisées afin de détecter les actions frauduleuses avec une solution basée sur l'apprentissage automatique. Un système biométrique multimodal muni d'un outil de protection des données et l’analyse environnementale peut jouer un rôle décisif pour améliorer la vérification d'identité des apprenants et détecter les évènements inhabituels sans atteindre à la vie privée des apprenants. Le système biométrique proposé est efficace contre l'usurpation d'identité et résout une partie importante de la fraude d'un examen à distance avec un niveau de précision de détection des comportements inhabituels élevé. Nous démontrons sur des bases de données de la littérature et des jeux de données opérationnels l'intérêt de l'approche proposée dans cette thèse.

Distance education techniques are developing at a rapid pace. Often, program designers are fascinated by the latest technology without addressing the underlying issues related to the needs of learners. This type of system could guarantee equal access to systems in the educational process and adapt to the new roles of the training institution and the learner. An important point is the trust, the integrity and the authenticity of assessment results exams of the distance learning process. Higher education encourages schools and universities to struggle against online exam cheats more effectively and is more concerned with the quality and integrity of distance learning.Online proctoring includes all automated processes which help to make remote assessment systems more secure. Indeed, several organizations finally recognize the weaknesses of traditional surveillance security. The rapid growth of new technologies that an increasing number of people around the world can access has enabled the availability and the proliferation of online training offerings. At the same time, this rapid development undoubtedly increased the number of fraud attempts. In addition, there are various possible attacks threatening the privacy of individuals. The learner may face identity spoof (an attacker can use various methods to steal his identity) or an attempt to perform fraudulent actions, it is therefore obligatory to counter them and to define the necessary requirements for the management of the exams and the protection of personal data.The aim of this thesis is to meet the need for monitoring a remote examination by integrating a solution based on current technology with different biometric modalities and the implementation of an automated proctoring system to monitor and verify the identity of learners during an online exam. In this work, we have implemented an innovative multimodal biometric application with two modalities: keystroke dynamics and facial recognition in order to verify the identity of learners during online exams.Biometric is an active research topic because of its utility for a wide range of applications, it refers to the analysis of physiological or behavioral characteristics of an individual for the purpose of authentication or identification. Our biometric system based on the collection and processing of personal data complies with the European General Data Protection Regulation (GDPR). An identity detection and verification module have been integrated and used on an industrial scale for several remote exams. We have also implemented a fraud detection system to assess and monitor the learners' environment during a remote examination. Indeed, several techniques based on image analysis, sound signal processing and keyboard events have been used to detect fraudulent actions with a solution based on machine learning. A multimodal biometric system with a cryptographical tool for data protection and behavioral proctoring can play a decisive role in improving learner identity verification and detecting unusual events without compromising learner privacy. The proposed biometric system is effective against identity theft and solves a significant and a large portion of remote examination fraud with a high level of accuracy by detecting unusual behavior. We demonstrate on databases of literature and operational data sets the interest of the approach proposed in this thesis.