مکانیزم‌های یادگیری برای تشخیص رفتارهای غیرطبیعی در سیستم‌های تعبیه‌شده

این موقعیت دکتری در آزمایشگاه سیستم‌های تعبیه‌شده ایمن (LETI) بر روی رفع آسیب‌پذیری‌های امنیتی در زیرساخت‌های حیاتی که سیستم‌های تعبیه‌شده به طور گسترده در آن‌ها مستقر شده‌اند، تمرکز دارد. این پژوهش بر توسعه سیستم‌های تشخیص نفوذ پویا (IDS) با استفاده از تشخیص ناهنجاری یادگیری ماشین متمرکز است که می‌تواند در طول زمان بدون فراموشی فاجعه‌بار سازگار شود. کاندیدای موفق استراتژی‌های یادگیری مجدد، یادگیری تقویتی و الگوهای یادگیری فدرال را برای به‌روزرسانی مداوم مدل‌ها بر اساس رفتارهای در حال تکامل سیستم بررسی خواهد کرد. این پروژه در فرانسه میزبانی می‌شود و محیط پژوهشی غوطه‌وری را در یک سازمان پژوهشی ملی برجسته ارائه می‌دهد.