Infrastructure de détection de signaux et d'attaques basée sur antennes hétérogènes dans les réseaux sans fil // Signal and attack detection infrastructure based on heterogeneous antennas in wireless networks

La thèse focalisera sur les problématiques de détection, caractérisation de l'environnement et reconnaissance d'activité (cyber)criminelle par le biais d'antennes planaires souples en nanomatériaux conducteurs et objets connectés. On envisage la création d'une infrastructure constituée par des antennes souples ainsi que des cartes reprogrammables pour laquelle on développera des algorithmes avancés de détection et analyse de l'environnement (extérieur ou antérieur), des personnes et des activités, ainsi que de collecte et identification des dispositifs connectés cibles.

Le sujet de cette thèse s'inscrit dans un contexte de détection d'activités (cyber)criminelles et de contremesures en développant une infrastructure de surveillance de zones cibles. Cette infrastructure est constituée par des nœuds hétérogènes, où on envisage de déployer des objets connectés reprogrammables, ainsi que des antennes planaires fines et souples en nanomatériaux conducteurs. De plus, les nœuds peuvent intercepter et contrer des signaux cibles spécifiques, en minimisant l'impact sur les autres nœuds voisins, qui communiquent sur les mêmes fréquences.
La raison pour laquelle les objets connectés sont considérés comme hétérogènes est liée au fait que dans un monde hyperconnecté, nous pouvons être en présence de nombreux appareils qui communiquent et émettent des ondes électromagnétiques dans des fréquences qui se chevauchent. D'une part, nous souhaitons pouvoir envisager des antennes conçues spécifiquement, qui peuvent se camoufler dans l'environnement pour exploiter les données captées dans l'environnement, qui peuvent provenir de personnes (i.e., interactions « passives » avec les antennes) ou d'objets connectés, qui émettent des signaux qui sont capturés par les antennes. D'autre part, nous souhaitons également utiliser des objets connectés reprogrammables qui peuvent cohabiter et interagir avec les antennes «camouflantes ».
Différents scénarios seront pris en considération, en distinguant le cas passif où il y a la présence de personnes dans une certaine zone, mais il n'y a pas d'objets connectés qui communiquent.
Un autre scenario se base sur la présence d'objets connectés qui émettent des signaux qui seront interceptés et analysés. Les environnements peuvent être intérieurs et extérieurs, caractérisés par des interactions et des phénomènes sensiblement différents concernant les signaux [bel24][alla-wisec24].
Dans un scenario où il n'y a pas d'objets connectés, le but sera d'exploiter les dispositifs de l'infrastructure de surveillance pour détecter la présence des personnes, le nombre des personnes et leurs activités (i.e., debout, assis, etc.).
Dans un scenario avec des objets connectés, on envisage de pouvoir collecter les données/signaux/I/Q bruts, les traiter et les analyser. Dans les deux cas, on va développer des approches d'apprentissage permettant de caractériser l'environnement. Pour le cas des dispositifs émettant, le but est d'identifier -) la technologie de communication (i.e., 3G/4G/5G, Bluetooth, WiFi), -) identifier dans quelles fréquences les dispositifs cibles émettent, -) réaliser la démodulation en temps réel -) identifier les dispositifs, -) localiser les dispositifs et -) intercepter les signaux des dispositifs cibles.

[alla-wisec24] Ildi Alla, Hervé B. Olou, Valeria Loscri, and Marco Levorato. 2024. From Sound to Sight: Audio-Visual Fusion and Deep Learning for Drone Detection. In Proceedings of the 17th ACM Conference on Security and Privacy in Wireless and Mobile Networks (WiSec '24). Association for Computing Machinery, New York, NY, USA, 123–133. https://doi.org/10.1145/3643833.3656133

[bel24] M. Belhor, A. Savard, A. Fleury, P. Sondi and V. Loscri, 'Enhanced RF-based 3D UAV Outdoor Geolocation: from Trilateration to Machine Learning Approaches,' 2024 IEEE 27th International Symposium on Real-Time Distributed Computing (ISORC), Tunis, Tunisia, 2024, pp. 1-8, doi: 10.1109/ISORC61049.2024.10551331.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This thesis will focus on the issues of detection, environmental characterization, and recognition of (cyber)criminal activity using flexible planar antennas made of conductive nanomaterials and connected objects. The project envisions the creation of an infrastructure consisting of flexible antennas and reprogrammable cards, for which advanced algorithms will be developed for detecting and analyzing the environment (external or past), people, and activities, as well as for collecting and identifying target connected devices.

The subject of this thesis is part of the context of (cyber)criminal activity detection and countermeasures by developing a surveillance infrastructure for target areas. This infrastructure consists of heterogeneous nodes, where the deployment of reprogrammable connected objects and thin, flexible planar antennas made of conductive nanomaterials is envisaged. Furthermore, the nodes can intercept and counter specific target signals, minimizing the impact on other neighboring nodes communicating on the same frequencies. The reason why connected objects are considered heterogeneous is related to the fact that in a hyperconnected world, we may encounter numerous devices communicating and emitting electromagnetic waves at overlapping frequencies. On the one hand, we would like to be able to consider specifically designed antennas that can camouflage themselves into the environment to exploit data captured in the environment, which may come from people (i.e., 'passive' interactions with the antennas) or from connected objects, which emit signals that are captured by the antennas. On the other hand, we also want to use reprogrammable connected objects that can coexist and interact with the 'camouflage' antennas.
Different scenarios will be considered, distinguishing the passive case where there are people in a certain area, but there are no connected objects communicating.
Another scenario is based on the presence of connected objects that emit signals that will be intercepted and analyzed. The environments can be indoor or outdoor, characterized by significantly different interactions and phenomena regarding signals [bel24][alla-wisec24].
In a scenario without connected objects, the goal will be to exploit the surveillance infrastructure's devices to detect the presence of people, the number of people, and their activities (i.e., standing, sitting, etc.).
In a scenario with connected objects, we envision being able to collect raw data/signals/I/Q, process them, and analyze them. In both cases, we will develop learning approaches to characterize the environment. For transmitting devices, the goal is to identify: -) the communication technology (i.e., 3G/4G/5G, Bluetooth, WiFi), -) identify the frequencies in which the target devices transmit, -) perform real-time demodulation, -) identify the devices, -) locate the devices, and -) intercept the signals from the target devices.

[alla-wisec24] Ildi Alla, Hervé B. Olou, Valeria Loscri, and Marco Levorato. 2024. From Sound to Sight: Audio-Visual Fusion and Deep Learning for Drone Detection. In Proceedings of the 17th ACM Conference on Security and Privacy in Wireless and Mobile Networks (WiSec '24). Association for Computing Machinery, New York, NY, USA, 123–133. https://doi.org/10.1145/3643833.3656133

[bel24] M. Belhor, A. Savard, A. Fleury, P. Sondi and V. Loscri, 'Enhanced RF-based 3D UAV Outdoor Geolocation: from Trilateration to Machine Learning Approaches,' 2024 IEEE 27th International Symposium on Real-Time Distributed Computing (ISORC), Tunis, Tunisia, 2024, pp. 1-8, doi: 10.1109/ISORC61049.2024.10551331.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Programmes ministériels spécifiques

Université de Lille

631 MADIS Mathématiques, sciences du numérique et de leurs interactions

Le candidat doit avoir une excellente connaissance des signaux et des techniques de traitement des signaux. En plus, une très bonne connaissance des technologies de communication sans fil est demandée. Bonne connaissance des approches d'apprentissage.
The candidate must have excellent knowledge of signals and signal processing techniques. In addition, a very good understanding of wireless communication technologies is required. Good knowledge of learning approaches.