Détection d'intrusions par apprentissage fédéré semi-supervisé sur des objets IoT à ressources limitées

Ahlem Harhad (doctorante SDMA) présentera son sujet de mémoire et ses perspectives de thèse sur le thème de la détection d'intrusions. 
 

Détection d'intrusions par apprentissage fédéré semi-supervisé sur des objets IoT à ressources limitées

Résumé : Au cours de ce stage de six mois, j'ai travaillé sur l'amélioration de la méthode FLuIDS , une méthode fédérée semi-supervisée développée par une équipe de recherche du laboratoire. Mon rôle a d'abord consisté à apporter des améliorations à cette méthode et à les tester en simulation en utilisant le framework Flower. Par la suite, j'ai implémenté sur des objets à ressources limitées, tels que les dispositifs Raspberry Pi et ESP32.