Thèse soutenue

Détection d’intrusions dans les objets connectés par des techniques d’apprentissage automatique : étude dans les domaines de l’éducation et des voitures connectées
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Arnaud Rosay
Direction : Pascal LerouxFlorent Carlier
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 05/12/2022
Etablissement(s) : Le Mans
Ecole(s) doctorale(s) : Éducation, Cognition, Langages, Interactions, Santé (ECLIS) (Nantes)
Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Éducation (Nantes) - Centre de recherche en éducation de Nantes (CREN)
Jury : Président / Présidente : Sébastien Pillement
Examinateurs / Examinatrices : Isabelle Chrisment, Ludovic Mé
Rapporteurs / Rapporteuses : Sébastien Pillement, Gilles Grimaud

Résumé

FR  |  
EN

Alors que les objets connectés deviennent omniprésents, la détection des intrusions dans les réseaux devient plus critique que jamais. Nous proposons une étude sur la détection d'intrusions réseau à base d'apprentissage automatique dans le domaine de l'automobile et de l'éducation, deux champs a priori très différents mais ayant en commun la notion d'objet connecté. Les voitures connectées comme les dispositifs numériques pour l'éducation tels qu'un mur d'écrans sont des objets connectés, des victimes potentielles pouvant soit mettre danger la vie des passagers, soit afficher du contenu inapproprié. Face à ces menaces, nous proposons l'étude de détection d'intrusions réseau basée sur les conversations et amenons trois contributions. Tout d'abord, nous montrons que les réseaux de neurones obtiennent des performances de détection similaires à celles des algorithmes classiques. Nous proposons ensuite une méthodologie de fiabilisation de corpus numériques de détection d'intrusions permettant de simplifier le modèle de détection sans diminution de performance. Enfin, une étude du système complet de détection dans les objets connectés met en évidence l'existence d'un goulet d'étranglement. Grâce à une proposition sur la recherche efficace de conversations en cours, nous le supprimons et démontrons ainsi que la détection d'intrusion sur les objets connectés est réalisable, même quand ils sont contraints en ressources.