Détection d'intrusion sur les objets connectés par analyse comportementale
Bibliographic record
Abstract
Je tient tout d'abord à remercier le professeur Michel Dagenais qui a supervisé ce projet de recherche.La confiance et l'autonomie qu'il m'a accordées, son soutien constant, la qualité de son suivi et sa rapide compréhension des défis techniques auxquels j'ai été confronté m'ont été très précieux tout au long de cette maîtrise.Je le remercie des moyens matériels qu'il a su mettre rapidement à ma disposition lorsque j'en avais besoin.Je remercie également le professeur José Fernandez, qui a co-dirigé ce projet de recherche.Sa capacité à vulgariser des concepts avancés de sécurité informatique et son expertise dans ce domaine m'ont grandement inspiré dans mon travail.Je tiens également à remercier mes parents, qui m'ont permis de mener à bien mes études même à l'autre bout de la Terre.Ils m'ont toujours accompagné dans la réussite de mes études et ont mis en place un environnement propice à cela.Je remercie également ma compagne, Sophie, qui a eu la patience de m'attendre parfois tard à l'école, qui m'a constamment soutenu durant le projet de recherche mais surtout qui a sû égayer ma vie pendant ces deux belles années.Je souhaite également remercier chaleureusement mes collègues et amis du laboratoire DOR-SAL et du laboratoire SecSI.Ils m'ont donné de précieux conseils techniques et méthodologiques et ont grandement contribué à mon bien-être durant ces dernières années.Merci pour les parties de squash, de badbinton, de wallyball, merci pour les gâteaux et merci pour toutes ces merveilleuses pauses-café.Je remercie également les enseignants qui ont sû attiser ma curiosité pendant mes études.Je n'ai sans doute pas beaucoup compter dans leur vie, mais eux ont certainement joué un rôle déterminant dans la mienne.Enfin, je tiens à souligner la participation financière d'Ericsson, d'EfficiOS, du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG), de Prompt et de Ciena, qui m'ont permis de mener ce projet à bien.v RÉSUMÉ Alors que la course à l'innovation des fabricants d'objets connectés s'accélère, de plus en plus d'attaques informatiques impliquant de tels objets, ou même les ciblant, sévissent.Ainsi, des campagnes de déni de service distribué comme celle de Mirai ont mis à mal des infrastructures informatiques gigantesques.En outre, le nombre de vulnérabilités découvertes dans l'écosystème des objets connectés ne cesse de grandir.La sécurité physique des utilisateurs d'objet connectés peut également être menacée par l'insécurité de ces plateformes.Dans le même temps, les solutions de sécurité proposées sont souvent spécifiques à un des nombreux protocoles de communication utilisés par les objets intelligents, ou s'appuient sur les caractéristiques matérielles et logicielles d'un type d'objet.De plus, peu de constructeurs permettent des mises à jour des micrologiciels de ces objets, augmentant ainsi les menaces contre les usagers de tels objets.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".