Conception Et Développent D’un Système de

**Conception et développent d’un système de détection d’intrusion basé sur l’intelligence artificielle dans un réseau de drones**:

- Réf **ABG-126711**
- Stage master 2 / Ingénieur- Durée 6 mois- Salaire net mensuel Gratification (5 - 6 months)- 06/11/2024- Energie et technologies numériques, les ingénieurs de l’innovation responsable (ESME)- Lieu de travail- Velizy Ile-de-France France- Champs scientifiques- Informatique
- Science de la donnée (stockage, sécurité, mesure, analyse)
- Sciences de l’ingénieur
- Mots clés- Les véhicules aériens sans pilote, détection d’intrusion, sécurité, Apprentissage machine, Kolmogorov-Arnold Networks**Établissement recruteur**:
**Site web**:
**Description**:
Le système de détection d’intrusion (IDS) est un mécanisme consistant à surveiller un système ou réseau informatique afin de détecter toute activité malveillante et anormales telle que : accès non autorisé, modification ou mauvaise utilisation des ressources disponibles. L’objectif principal de ce système est d'analyser le comportement du réseau en temps réel ou quasi-réel, identifier ces modèles suspects et prendre des mesures appropriées pour protéger les ressources. Afin d'identifier les modèles suspects, l'IDS peut utiliser deux approches. La première approche est l'identification basée sur les signatures, qui s'appuie sur des signatures connues stockées dans la base de données. La deuxième approche est l'approche basée sur les anomalies (comportement), qui consiste à analyser le comportement anormal de l'entité du réseau, en utilisant des techniques d’apprentissage machine [MFA].

Les techniques d’apprentissage machine sont devenues courantes dans la détection d’intrusion et présentent un potentiel significatif dans le traitement intelligent du trafic réseau massif. Dans ce contexte, plusieurs approches ont été abordées et proposées, telles que : algorithme d'arbres de décision, k-voisin le plus proche, réseau neuronal convolutif, etc.

Kolmogorov-Arnold Networks (KANs) est une nouvelle classe de réseaux neuronaux inspirée du théorème de représentation de Kolmogorov-Arnold, qui stipule que toute fonction multivariée peut être décomposée en fonctions univariantes [LWV]. Cette structure unique permet aux KAN de remplacer les fonctions d'activation fixes traditionnelles par des fonctions univariantes apprenables sur les bords (connexions entre neurones). Cette approche permet une plus grande flexibilité et une précision améliorée, en particulier dans les tâches d'approximation de fonctions complexes.

L’objectif de ce projet de master est de développer un système de détection d’intrusion dans un réseau de drones basé sur l’apprentissage machine. Ce système concrètement devra:

- Recevoir des données et informations relatives au trafic réseau d’une flotte de drones
- Vérifier la conformité et validité des données
- Analyser les données transitant dans le réseau et identifier les comportements suspets en utilisant une approche intelligente
- Notifier et alerter les anormalies détectées via une interface utilisateur intuitive

Références bibliographiques:
[CLD] Cengiz, K., Lipsa, S., Dash, R. K., Ivković, N., & Konecki, M. (2024). A novel intrusion detection system based on artificial neural network and genetic algorithm with a new dimensionality reduction technique for UAV communication. IEEE access.

[MFA] Muneer, S., Farooq, U., Athar, A., Ahsan Raza, M., Ghazal, T. M., & Sakib, S. (2024). A Critical Review of Artificial Intelligence Based Approaches in Intrusion Detection: A Comprehensive Analysis. Journal of Engineering, 2024(1), 3909173.

[LWV] Liu, Z., Wang, Y., Vaidya, S., Ruehle, F., Halverson, J., Soljačić, M.,... & Tegmark, M. (2024). Kan: Kolmogorov-Arnold networks. arXiv preprint arXiv:2404.19756.

Proposed work programme:

- Literature review and state of the art of intrusion detection systems based on artificial intelligence in a drone network
- Identification of recent and efficient artificial intelligence techniques
- Design and development of a machine learning model based on KAN networks
- Experiments
- Writing the end of internship report

**Profil**:
Requirements: Machine learning, programming, python language, report writing, reading and writing basic English

**Prise de fonction**:

- Dès que possible