Renforcement intelligent de la sécurité et de l'intégrité des données dans les systèmes de production cyber-physiques

Dans le contexte actuel de la transformation digitale des industries, l'accent est mis sur l'amélioration de la productivité via l'adoption de technologies avancées telles que les systèmes de production cyber-physiques (CPPS). Ces systèmes combinent des éléments physiques avec des logiciels avancés, facilitant une intégration plus poussée de l'automatisation et des données dans les processus de fabrication. Cependant, cette interconnexion accrue expose les CPPS à des risques de cybersécurité, notamment des attaques compromettant l'intégrité des données. Ces vulnérabilités soulignent la nécessité cruciale de renforcer la sécurité et l'intégrité des données au sein de ces systèmes.

L'objectif de cette thèse est de développer des stratégies avancées pour renforcer la sécurité et l'intégrité des données dans les systèmes de production cyber-physiques (CPPS) grâce à l'intelligence artificielle. Ce travail consistera à élaborer des algorithmes innovants d'apprentissage automatique et d'apprentissage profond dans le contexte spécifique des CPPS. L'objectif scientifique de cette thèse est double :

1. Concevoir et valider des modèles d'apprentissage automatique avancés au sein des CPPS, pour une détection des anomalies précise avec un temps de réponse optimisé, permettant de répondre aux enjeux de sécurité et d'intégrité des données dans un contexte industriel en constante évolution.
2. Explorer et optimiser les potentialités de l'apprentissage fédéré pour la cybersécurité des environnements industriels, afin de créer des systèmes de défense décentralisés qui allient efficacité, rapidité d'intervention et respect de la confidentialité des données.

Ces objectifs répondent directement aux défis actuels de la sécurité des systèmes industriels et visent à fournir des contributions significatives à la fois théoriques et pratiques dans le domaine de la cybersécurité et de l'intelligence artificielle appliquées aux systèmes de production cyber-physiques. Cette synergie entre l'apprentissage fédéré, l'intelligence artificielle et l'apprentissage automatique est pertinente car elle permet d'exploiter les vastes volumes de données générés par les systèmes cyber-physiques, d'améliorer en continu les modèles de sécurité grâce à l'apprentissage distribué et de garantir la confidentialité des données sensibles. De plus, cette combinaison permet une réponse rapide et adaptative aux nouvelles menaces sans compromettre la performance opérationnelle des systèmes industriels.

CESI LINEACT (UR 7527), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles.  Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports. 

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et deux domaines applicatifs. 

• L’équipe 1 "Apprendre et Innover" relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l’innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l'environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs...) sur les processus d'apprentissage, de créativité et d’innovation. 
• L’équipe 2 "Ingénierie et Outils Numériques" relève principalement des Sciences du Numérique et de l'Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et l’analyse de données de systèmes cyber physiques. Les travaux de recherche portent également sur les outils d’aide à la décision associés et sur l’étude des interactions humains-systèmes notamment à travers les jumeaux numériques couplés à des environnements virtuels ou augmentés. 

Ces deux équipes développent et croisent leurs recherches dans les deux domaines applicatifs de l'Industrie du Futur et de la Ville du Futur, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine du Futur et celles de Nanterre dédiée à l’Usine et au Bâtiment du Futur. 

Compétences du candidat :

Compétences scientifiques et techniques :

• Intelligence Artificielle : Expérience en apprentissage automatique et apprentissage profond
• Cybersécurité : concepts de base et avancés
• Simulation : Expérience dans la modélisation et la simulation de systèmes
• Programmation : Maîtrise de Python et des bibliothèques IA (TensorFlow, PyTorch)

Compétences relationnelles :

• Être autonome, avoir un esprit d’initiative et de curiosité
• Savoir travailler en équipe et avoir un bon relationnel
• Être rigoureux