Assas Recherche | Détection de comportements anormaux par la perception coopérative pour les systèmes de transport intelligents

Détection de comportements anormaux par la perception coopérative pour les systèmes de transport intelligents (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

http://www.theses.fr/2024SORUS644/abes

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse soumise à l'embargo de l'auteur jusqu'au 13/06/2025 (communication intranet).

Informations sur les contributeurs

Auteur : Zhang Jiahao

Zhang, Jiahao

Nom

Zhang

Prénom

Jiahao

Nationalité

Date de soutenance : 13-12-2024

Directeur(s) de thèse : Nashashibi Fawzi

Nashashibi, Fawzi

Nom

Nashashibi

Prénom

Fawzi

- Ben Jemaa Inès

Ben Jemaa, Inès

Nom

Ben Jemaa

Prénom

Inès

Etablissement de soutenance : Sorbonne université

Sorbonne université

Nom

Sorbonne université

Laboratoire : Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)

Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)

Nom

Institut national de recherche en informatique et en automatique (France). Centre de recherche de Paris (Paris)

Ecole doctorale : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)

École doctorale Informatique, télécommunications et électronique de Paris (1992-...)

Nom

École doctorale Informatique, télécommunications et électronique de Paris (1992-...)

Informations générales

Discipline : Sciences et technologies de l'information et de la communication
Classification : Bibliothéconomie et sciences de l'information, Sciences de l'ingénieur

Mots-clés libres : Intelligence artificielle, Fusion des données, Perception coopérative
Mots-clés :

Systèmes de transport intelligent
Véhicules autonomes - Fiabilité
Gestion des données (systèmes d'information)
Intelligence artificielle

Résumé : Le Système de Transport Intelligent Coopératif est une nouvelle technologie visant à réduire les accidents de la route et à améliorer la sécurité routière. Cette technologie repose sur des communications sans fil sous forme de messages de sécurité. Ces messages peuvent contenir des informations sur l'état cinématique du véhicule. Les informations échangées améliorent la sécurité des passagers et des piétons environnants. Ces dernières années, un nouveau type de message V2X, les Messages de Perception Collective, a été proposé par l'ETSI. Les véhicules autonomes sont équipés de plusieurs capteurs permettant de détecter les objets dynamiques sur la route. Cependant, la perception des capteurs des objets environnants est limitée à leur champ de vision et obstruée par des obstacles occultants. Les services de Perception Collective sont conçus pour permettre aux véhicules d'étendre leur perception locale de l'environnement avec des données de perception supplémentaires. Ces données sont envoyées par leurs voisins via les CPM. Dans ce service, les véhicules voisins ou les unités en bord de route diffusent la liste des objets perçus par leurs capteurs locaux dans le réseau V2X. Les véhicules récepteurs fusionnent ces données avec leurs objets perçus localement pour élaborer une vue étendue de l'environnement. Les informations de perception globale sont ensuite utilisées par les services ITS de haut niveau, tels que l'avertissement de collision, l'évitement d'obstacles et d'autres, pour prendre des décisions de conduite appropriées. Néanmoins, le CPM contient peut-être des données aberrantes qui indique un émetteur potentiel anormal. Ces comportements anormaux peuvent classifier en deux types. Le premier type est un comportement non-intentionnel. Le deuxième type est un comportement intentionnel. Un des défis les plus importants est de garantir l'intégrité et la fiabilité des informations partagées entre les véhicules connectés. Cette thèse se concentre principalement sur ce type d'attaque. L'impact de telles attaques est significatif, car elles peuvent facilement être adaptées pour causer des dommages dans le monde réel ou entraîner des pertes humaines. Par exemple, dans un scénario d'intersection, certains véhicules tentent de traverser l'intersection. Un attaquant sur la route adjacente injecte un faux message indiquant qu'un véhicule devant s'approche de l'intersection à une très grande vitesse. Même si ce n'est pas le cas, les véhicules doivent réagir immédiatement pour éviter une collision avec le véhicule inexistant signalé par l'attaquant. Ces comportements dangereux peuvent provoquer des accidents. Par conséquent, des technologies innovantes permettant de détecter ces attaques, appelées détection de comportements malveillants, sont essentielles pour garantir le fonctionnement sécurisé de ces systèmes. Dans cette thèse, nous proposons un nouveau cadre pour la perception coopérative et développons de nouveaux mécanismes de détection de comportements malveillants. En résumé, cette thèse examine la détection de comportements malveillants dans les systèmes coopératifs de transport intelligent, en particulier dans le contexte de la perception coopérative. La détection de comportements malveillants s'appuie sur la connaissance des processus physiques pour évaluer la fiabilité des données et des entités au sein d'un système cyber-physique. Grâce à notre cadre de détection de comportements malveillants basé sur la confiance pour la perception coopérative, la sûreté et la sécurité de ces systèmes peuvent être considérablement améliorées. Les travaux futurs dans ce domaine pourraient inclure l'intégration de la détection de comportements malveillants avec des mécanismes d'IA, le edge computing, et d'autres technologies avancées, ainsi que le développement d'extensions permettant un signalement fiable.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2024SORUS644
Type de ressource : Thèse

Fiche descriptive