[Link]
fr/smart-stories/iot-2/edge-ai-lintelligence-artificielle-au-plus-pres-des-
donnees/
[Link]
edge-ai-integration/
[Link]
[Link]
Sécuriser les réseaux 5G véhiculaire et au-delà grâce à l'IA/AP
L'émergence des réseaux de cinquième génération (5G) et des réseaux véhiculaire (V2X) a ouvert une ère de connectivité et
de services associés sans précédent. Ces réseaux permettent des interactions fluides entre les véhicules, l'infrastructure, et
bien plus encore, en fournissant une gamme de services à travers des tranches de réseau (slices), chacune adaptée aux
besoins spécifiques de ceux-ci. Les générations futures sont même censées apporter de nouvelles avancées à ces réseaux.
Cependant, ce progrès remarquable les expose à une multitude de menaces en matière de cybersécurité, dont bon nombre
sont difficiles à détecter et à atténuer efficacement avec les contre mesures actuelles. Cela souligne la nécessité de mettre en
oeuvre de nouveaux mécanismes avancés de détection d'intrusion pour garantir l'intégrité, la confidentialité et la disponibilité
des données et des [Link] domaine suscitant un intérêt croissant à la fois dans le monde universitaire qu'industriel est
l'Intelligence Artificielle (IA), en particulier son application pour faire face aux menaces en cybersécurité. Notamment, les
réseaux neuronaux (RN) ont montré des promesses dans ce contexte, même si les solutions basées sur l'IA sont
accompagnées de défis [Link] défis peuvent être résumés comme des préoccupations concernant l'efficacité et
l'efficience. Le premier concerne le besoin des Systèmes de Détection d'Intrusions (SDI) de détecter avec précision les
menaces, tandis que le second implique d'atteindre l'efficacité en termes de temps et la détection précoce des [Link]
thèse représente l'aboutissement de nos recherches sur l'investigation des défis susmentionnés des SDI basés sur l'IA pour les
systemes 5G en général et en particulier 5G-V2X. Nous avons entamé notre recherche en réalisant une revue de la littérature
existante. Tout au long de cette thèse, nous explorons l'utilisation des systèmes d'inférence floue (SIF) et des RN, en mettant
particulièrement l'accent sur cette derniere technique. Nous avons utilisé des techniques de pointe en apprentissage,
notamment l'apprentissage profond (AP), en intégrant des réseaux neuronaux récurrents et des mécanismes d'attention. Ces
techniques sont utilisées de manière innovante pour réaliser des progrès significatifs dans la résolution des préoccupations
liées à l'amélioration de l'efficacité et de l'efficience des SDI. De plus, nos recherches explorent des défis supplémentaires liés à
la confidentialité des données lors de l'utilisation des SDIs basés sur l'AP. Nous y parvenons en exploitant les algorithmes
d'apprentissage fédéré (AF) les plus récents.
Validation des composants de perception basés sur l'IA dans les véhicules
autonomes.
Évaluation de la sûreté et de la sécurité des véhicules autonomes et définition des principes du processus de validation de leurs
composants, avec une attention particulière aux algorithmes basés sur l'intelligence artificielle. Le développement rapide de
l'intelligence artificielle et sa vaste diffusion dans tous les secteurs d'activité soulèvent des questions spécifiques en termes de
garanties sur leur bon fonctionnement. En particulier, les systèmes automobiles, où les algorithmes de perception et de prise de
décision reposent sur des approches probabilistes fondées sur l'IA, nécessitent une validation approfondie de tous leurs
composants avant d'être utilisés dans la vie quotidienne. Cependant, en garantir la sécurité et la fiabilité pose un problème
significatif en raison de la complexité de ces solutions et des inévitables incertitudes sur la route. Les travaux prévus
permettront d'exploiter et d'améliorer l'algorithme d'aperception développé par l'équipe Chroma, le CMCDOT. Cette approche
de représentation de l'environnement est un système de filtrage bayésien sur des grilles d'occupation dynamiques, permettant
une parallélisation de l'estimation des probabilités d'occupation pour chaque cellule, de l'inférence des vitesses et de la
prédiction du risque de collision. Une partie importante de la thèse sera ensuite consacrée à la validation formelle des résultats
obtenus à travers des tests sur un simulateur de conduite autonome réaliste (ex. Carla) et des expérimentations réalisées avec
notre voiture autonome (Renault Zoe).
[Link]
[Link]
L'IA et le ML apparaissent comme essentiels pour surmonter les limites des techniques traditionnelles d'optimisation des
réseaux et des conceptions de boucles de contrôle conventionnelles, en particulier pour relever les défis de la haute mobilité et
des communications véhiculaires dynamiques inhérents au domaine des véhicules connectés et autonomes (VAC). L'enquête
explore les contributions des nouvelles techniques d'IA/ML dans le domaine des VAC, également dans le contexte du
déploiement innovant de systèmes cloud multiniveaux et de l'informatique de pointe en tant que solutions stratégiques pour
répondre aux exigences de forte densité de trafic et de mobilité dans les réseaux VAC. Ces technologies contribuent à réduire
la latence et à atténuer la congestion du réseau en facilitant les ressources informatiques à proximité des VAC, améliorant ainsi
l'efficacité opérationnelle également lorsque les applications basées sur l'IA nécessitent des tâches de calcul lourdes. L'un des
principaux objectifs de cette enquête est l'impact anticipé de la technologie 6G, qui promet de révolutionner l'industrie de la
mobilité. La 6G est envisagée pour favoriser des environnements de mobilité intelligents, coopératifs et durables, annonçant
une nouvelle ère dans la communication véhiculaire et la gestion des réseaux. Cette enquête examine de manière exhaustive
les dernières avancées et applications potentielles de l’IA/ML pour les véhicules climatisés, notamment l’amélioration de la
perception sensorielle, la gestion du trafic en temps réel et la navigation personnalisée.
Introduction