Soutenance de thèse de doctorat de Nader KARMOUS

Intitulée : Cadre d'intelligence artificielle pour la prévention et la détection des attaques dans l'environnement IoT

Présenté par : Nader Karmous

Comité de thèse

Resumé

Cette thèse propose un cadre de sécurité avancé destiné aux environnements IoT, visant à contrer les attaques par déni de service distribué (DDoS), les menaces de type homme-du-milieu (Man-in-the-Middle, MitM) ainsi que les vulnérabilités des communications. Le cadre repose sur l’intégration du Software-Defined Networking (SDN) et des techniques d’apprentissage automatique pour la détection efficace des attaques DDoS, et exploite des méthodes de deep learning pour l’identification des attaques MitM en temps quasi réel.

Par ailleurs, la solution proposée assure la sécurisation des communications MQTT à travers une approche de chiffrement hybride de bout en bout, combinant la cryptographie asymétrique ECC-256 et la cryptographie symétrique AES-256, garantissant ainsi un chiffrement à la fois robuste et performant. Les résultats obtenus démontrent l’efficacité de la combinaison du SDN, de la détection des menaces pilotée par l’intelligence artificielle et des mécanismes cryptographiques avancés pour renforcer significativement la sécurité des environnements IoT, en assurant la confidentialité, l’intégrité et la disponibilité des données.

Mots clés: Sécurité, IoT, SDN, DDoS, MitM, Chiffrement, MQTT, Apprentissage automatique,

Apprentissage profond, Cryptographie.