Les Boursiers du réseau DSTN
Sciences et technologies du numérique

DSTN > Boursiers > DIALLO Abdoulaye

Projet affilié : IoT-SDC

CEA affilié : MITIC/Université Gaston Berger et SMIA/Université d’Abomey-Calvi

Titre : Framework dynamique de prévention et de réaction aux incidents de sécurité dans l’IoT

DSTN > Boursiers > DIALLO Abdoulaye

Date de début : 01/06/2021

Problématique
Les effets de l’Internet des objets (IoT) ne passent pas inaperçus, car ils ont bouleversé nos vies, facilitant le travail des personnes dans tous les domaines, y compris militaire, environnemental, agricole, médical, industriel et domestique. En effet, la connexion des objets permet non seulement d’acquérir autant d’informations que l’on veut, mais aussi d’agir à distance (allumer ou éteindre une lampe, fermer des portes, garer des voitures, consulter un patient, etc.).

Cependant, la multiplication des applications et services mobiles, et les progrès des réseaux de télécommunications ont un impact majeur sur l’IoT en raison de l’augmentation spectaculaire des flux de données dans les réseaux. La question se pose alors de savoir comment gérer toutes ces données et comment les classer pour en retenir les plus essentielles.

Par ailleurs, dans le domaine de la cyber-sécurité, l’émergence de l’IoT expose de nombreux objets et appareils au risque de devenir, s’ils ne le sont pas déjà, un thingbot – un botnet intégrant des objets connectés indépendants – ou des objets connectés zombies. C’est là que réside l’intérêt d’un classificateur intelligent, qui, grâce à l’analyse des données, peut en effet permettre de créer un Framework dynamique permettant de trouver des corrélations entre menaces et événements afin d’établir une réaction immédiate en cas de détection d’un incident et/ou soupçon d’attentats.

Objectifs / Résultats attendus :
Notre objectif dans ce projet est de trouver un modèle de classification des données dans l’IoT pour une meilleure gestion de ces dernières.
Comme solution, nous proposons d’insérer des réseaux de neurones en tant que classificateur de données dans l’IoT.
Nous poursuivons ainsi un double objectif dans une recherche pluridisciplinaire qui vise des applications en cyber-sécurité d’une part, et en sécurité alimentaire d’autre part.
Enfin, ces objectifs ne sont pas limitatifs car d’autres domaines d’application sont possibles. Il s’agit notamment des domaines de la domotique, de l’agriculture, de l’armée, de la météorologie, etc.

Contribution / valeur ajoutée au projet affilié :
L’aspect sécuritaire est un défi majeur dans les infrastructures IoT. Notre contribution consistera à la mise en place d’un Framework capable de prévenir les incidents de sécurité dans l’IoT, mais d’y répondre au besoin. Notre approche pour atteindre cet objectif est d’utiliser les techniques de l’intelligence artificielle, du deep learning.

Directeur de thèse : Prof. Chérif DIALLO, CEA MITIC, Sénégal

Co-directeur de thèse : Prof. Eugene EZIN, CEA SMIA, Bénin

Autres contributeurs à l’encadrement de la thèse Prof. Mady CISSE, ESP, UCAD, Sénégal

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour nous permettre de vous offrir le meilleur service.