Stagiaire de recherche en IA et cybersécurité
Intégration du Digital Research Center of Sfax afin de concevoir et développer un système de détection d'intrusion innovant pour des dispositifs médicaux.
- Conception et développement d’un système de détection d’intrusion basé sur l’apprentissage fédéré (CNN + Multi-Head BiGRU, FedProx) pour des dispositifs médicaux Bluetooth Low Energy (IoMT), validé sur plus de 1,5 M de paquets réels issus de 14 dispositifs cliniques (CICIoMT2024).
- Mise en place d’une architecture respectueuse de la vie privée (alignée RGPD/HIPAA) sans transfert de données brutes, obtenant un meilleur rappel de la classe bénigne qu’une base de référence Random Forest centralisée.
- Évaluation de la sécurité adversariale en implémentant et analysant 7 attaques selon la triade CIA (inversion de gradient, backdoors Sybil et furtives, empoisonnement de modèle), puis conception d’un plan de défense en couches (confidentialité différentielle, norm clipping, agrégation robuste).
- Développement d’un GAN conditionnel pour l’augmentation de données, atteignant un taux de fausses alertes inférieur à SMOTE, ADASYN et au suréchantillonnage aléatoire.
- Identification du « paradoxe de l’exactitude » dans les IDS à classes déséquilibrées et proposition du suivi du rappel bénin comme indicateur de sécurité opérationnel.
- Rédaction et soutenance d’un mémoire d’ingénieur de plus de 100 pages présentant 6 contributions de recherche originales.
Environnement technique