Infrastructure de détection de signaux et d’attaques basée sur antennes hétérogènes dans les réseaux sans fil

Le sujet de cette thèse s’inscrit dans un contexte de détection d’activités (cyber)criminelles et de contremesures en développant une infrastructure de surveillance de zones cibles. Cette infrastructure est constituée par des nœuds hétérogènes, où on envisage de déployer des objets connectés reprogrammables, ainsi que des antennes planaires fines et souples en nanomatériaux conducteurs. De plus, les nœuds peuvent intercepter et contrer des signaux cibles spécifiques, en minimisant l’impact sur les autres nœuds voisins, qui communiquent sur les mêmes fréquences.

La raison pour laquelle les objets connectés sont considérés comme hétérogènes est liée au fait que dans un monde hyperconnecté, nous pouvons être en présence de nombreux appareils qui communiquent et émettent des ondes électromagnétiques dans des fréquences qui se chevauchent. D'une part, nous souhaitons pouvoir envisager des antennes conçues spécifiquement, qui peuvent se camoufler dans l'environnement pour exploiter les données captées dans l'environnement, qui peuvent provenir de personnes (i.e., interactions « passives » avec les antennes) ou d'objets connectés, qui émettent des signaux qui sont capturés par les antennes. D'autre part, nous souhaitons également utiliser des objets connectés reprogrammables qui peuvent cohabiter et interagir avec les antennes «fines».

Différents scénarios seront pris en considération, en distinguant le cas passif où il y a des émissions dans une certaine zone, mais il n'y a pas d'objets connectés qui communiquent. 

Un autre scenario se base sur la présence d’objets connectés qui émettent des signaux qui seront interceptés et analysés.  Les environnements peuvent être intérieurs et extérieurs, caractérisés par des interactions et des phénomènes sensiblement différents concernant les signaux [bel24][alla-wisec24].

Dans un scenario où il n’y a pas d’objets connectés, le but sera d’exploiter les dispositifs de l’infrastructure de surveillance pour détecter la présence des signaux. 

Dans un scenario avec des objets connectés, on envisage de pouvoir collecter les données/signaux/I/Q bruts, les traiter et les analyser. Dans les deux cas, on va développer des approches d’apprentissage permettant de caractériser l’environnement. Pour le cas des dispositifs émettant, le but est d’identifier -) la technologie de communication (i.e., 3G/4G/5G, Bluetooth, WiFi), -) identifier dans quelles fréquences les dispositifs cibles émettent, -) réaliser la démodulation en temps réel -) identifier les dispositifs, -) localiser les dispositifs et -) intercepter les signaux des dispositifs cibles. 

[alla-acsac24] Ildi Alla, Selma Yahia, Valeria Loscri, Hossien Eldeeb. Robust Device Authentication in Multi-Node Networks: ML-Assisted Hybrid PLA Exploiting Hardware Impairments. Annual Computer SecurityApplications Conference (ACSAC), Dec 2024, Waikiki, Hawaii, USA, United States. hal-0472749

[alla-wisec24] Ildi Alla, Hervé B. Olou, Valeria Loscri, and Marco Levorato. 2024. From Sound to Sight: Audio-Visual Fusion and Deep Learning for Drone Detection. In Proceedings of the 17th ACM Conference on Security and Privacy in Wireless and Mobile Networks (WiSec '24). Association for Computing Machinery, New York, NY, USA, 123–133. https://doi.org/10.1145/3643833.3656133

[bel24] M. Belhor, A. Savard, A. Fleury, P. Sondi and V. Loscri, "Enhanced RF-based 3D UAV Outdoor Geolocation: from Trilateration to Machine Learning Approaches," 2024 IEEE 27th International Symposium on Real-Time Distributed Computing (ISORC), Tunis, Tunisia, 2024, pp. 1-8, doi: 10.1109/ISORC61049.2024.10551331.

The Inria Lille-Nord Europe Centre, created in 2008, is based on two sites: one on the University of Lille campus at La Haute-Borne and one in the midst of the EuraTechnologies entrepreneurial ecosystem. The Inria centre has 15 project teams. Its activities occupy over 360 people, scientists and research and innovation support staff, including 38 different nationalities. The scientific priority areas are Data science, Software engineering and Cyber-physical systems. 

The centre is a founding member and actively participates in the ULNE I-Site to define a new target university establishment. Its project teams are operated jointly with these academic partners: University of Lille, the Free University of Brussels, École Centrale de Lille and the CNRS. In addition, there are two laboratories which are particularly involved in joint project teams with the Inria Lille-Nord Europe Research Centre: the CRIStAL and the Paul Painlevé laboratories. The centre has been heavily involved in the development of the research and innovation strategies of both the regional authority and the Métropole Européenne de Lille. It is in charge of coordinating the State-Region Data plan and is leading research on the Internet of Things, data knowledge and intelligence and high performance computing (HPC).

On the technology transfer and startup front, it works closely with EuraTechnologies, Europe's largest incubator in the digital sector, acquiring a building on the site in 2018, where it has installed some of its research activities and its Interface demonstrator space, and the transfer actions carried out within the framework of Hauts-de-France region funding.

Skills

- Excellent background in signal processing
• Very good programming skills in C/C++/Python, Experience using Linux systems
• Ability to implement code on real devices
• The willingness to contribute to interdisciplinary scientific project
• In-depth interest in scientific problems and the motivation for independent and goal-oriented research

Required qualities
• Sense of organization, autonomy, rigor
• Teamwork taste
• Listening and communicating with non-technical contacts;
• Know write notes / reports
• Good knowledge of English

Required Diploma and experience : One among the following master or engineer degree is expected: Electrical, Electronic Engineer, Telecommunication Engineer, Computer Science, Informatics, or a related discipline.