I

Implémentation dattaques adverses pour des applications de mobilité connectée

salary Salary :

€1,300 - 1,300 weekly

icon building Compagnie : Irt Systemx
icon briefcase Type d'emploi : Stage

Description de l'emploi - Implémentation dattaques adverses pour des applications de mobilité connectée

Les services de mobilité connectée coopérative et automatisée (CCAM) dans des sites logistiques de chargement/déchargement de centenaires reposent en partie sur 1) la perception de l’environnement, 2) le traitement des données pour la compréhension de la scène et 3) la décision de la manœuvre à entreprendre et l’assistance à la conduite automatisée. Dans notre cas d’usage, l’étape 1) est exécutée localement au niveau des véhicules, des utilitaires et/ou de l’infrastructure. L’étape 2) peut être exécutée en partie en local et sur des serveurs de proximités (Edge). L’étape 3) est exécuté sur le serveur qui envoie sa consigne de manœuvre aux véhicules automatisés. L’architecture fonctionnelle et physique du système reste vulnérable aux attaques adverses générées par l’Intelligence Artificielle. Afin de pouvoir déployer les mesures de sécurités nécessaires et les systèmes de détection d’anomalie efficaces au niveau de certaines composantes critiques de l’architecture de gestion du site logistique, il est important d’explorer et de comprendre les nouvelles attaques qui peuvent nuire à cette architecture.

Objectifs:

Les approches de détection d’anomalie basées sur ML/IA souffrent dans certains cas de limites telleques le déséquilibre des classes, l’insuffisance des données, l’évolution constante des attaques, etc. Pour cela, les réseaux d’attaques génératifs (Generative Adversarial Networks) semblent une solution prometteuse pour palier à ces limites. Dans le cadre du stage, l’utilisation des GAN a deux objectifs

  1. L’entrainement de modèle d’apprentissage adverse pour la perception issue de l’infrastructure qui gère le site logistique dans le but de robustifier le système de détection d’anomalie
  2. La génération de scénarios structurés d’attaques adverses et le « pen-testing » pour l’assistance de véhicule automatisé dans les sites de logistique

Missions

  • Comparer plusieurs solutions de GAN pour la génération d’attaques pour le cas d’usage d’assistance de véhicule automatisé dans les sites logistiques
  • Etendre le framework actuel avec les données et le modèle généré
  • Evaluer la robustesse du modèle mis en place
  • Participer aux expérimentations sur la plateforme réelle pour les activité de « pen-testing ».

Références

[1] J. Zhang, I. Ben Jemaa, K. Pasini. Towards An Open Source Benchmarking Framework to SecureV2X Perception In Intersections. Proceedings of IEEE Intelligent Transportation Systems Conference, 2026.

[2] Shahriar, M. H., Ansari, M. R., Monteuuis, J. P., Chen, C., Petit, J., Hou, Y. T., & Lou, W. Vehigan: Generative Adversarial Networks for Adversarially Robust V2X Misbehavior Detection Systems. Proceedings  of International Conference on Distributed Computing Systems, 2024.

PROFIL ET COMPETENCES:

De formation : BAC +5 / école d’ingénieur, dans le domaine du cybersécurité, systèmes embarqués, Réseaux et télécommunications, IA

Compétences souhaitées :

  • Langage C++/Python
  • Principes de ML/IA
  • Librairies Python keras, pytorch, tensorflow

Aptitudes personnelles :

  • Curiosité  
  • Capacité à travailler en équipe  
  • Capacité d’analyse et autonomie

Application deadline

As long as the job is online

Study level

Master level or equivalent

Job Category

Engineering
Original job Implémentation dattaques adverses pour des applications de mobilité connectée posted on GrabJobs ©. To flag any issues with this job please use the Report Job button on GrabJobs.
Share Job
Share Job

Similar Implémentation d'attaques adverses pour des applications de mobilité connectée Jobs in France

GrabJobs est le portail d'emploi n°1 en :country, te connectant rapidement à des milliers d'emplois ! Trouve les meilleurs emplois de dans France, postule en 1 clic et obtiens un emploi dès aujourd'hui !

Copyright © 2026 Grabjobs Pte.Ltd. All Rights Reserved.