Projet ANR FINALITY
FINALITY is a MSCA DN forming a novel AI curriculum for engineering researchers exploring safe techniques for socio-technical systems where human decisions for resource allocation are supported by AI. Plus d'infos
CORNET
Projet MUGS
Développer des modèles avançés de théorie des jeux (jeux stochastiques partiellement observables, apprentissage par renforcement et utilisation des propriétés de centralité/connectivité des graphes, …) sur les graphes avec application au contrôle de malware/attaque dans un réseau. Plus d'infos
Projet ANR DELIGHT
Le projet DELIGHT vise à évaluer finement et à réduire la consommation énergétique de l’apprentissage fédéré en utilisant différents leviers (compression de gradient, data summarization, speed-scaling, etc.). Plus d'infos
Séminaire Cornet – Piet Van Mieghem – 10/06/2024
Speaker: Prof. Piet Van Mieghem, Delft University of Technology (https://www.nas.ewi.tudelft.nl/people/Piet) Time: 10/06/2024 – 12pm Title: Linear Processes on Networks Abstract: From a network science point of view, we will discuss linear processes on a graph, which are the easiest, but also the most elegant processes. We start with the Laplacian matrix of a graph and concentrate on a flow problem in networks. From the spectral decomposition of the Laplacian, we will introduce the simplex of an undirected, possibly weighted graph. The simplex geometry of a graph is, besides the topology domain and the spectral domain, the third equivalent description of a graph. Continuous-time Markov processes are described by the Chapman-Kolmogorov (linear) equations, in which the appearing infinitesimal generator is, in fact, a weighted Laplacian of the Markov graph. We will discuss Markovian epidemics on a fixed graph, show limitations of the linear theory on graphs and introduce a mean-field approximation, a powerful method from physics, that results into non-linear governing equations. We will end with recent work on non-Markovian epidemics on a fixed graph. Bio available here: https://www.nas.ewi.tudelft.nl/people/Piet/
Séminaire LIA – Vincent Rialle – 31/05/2024
Vincent Rialle, Université de Grénoble AlpesLieu : CERI Salle 3 – C022 – 12h00 Titre : Comprendre l’IA des contraste extrêmes, médiatiques et politiques, et agir en tant que chercheur ou enseignant Résumé : L’intelligence artificielle défraie de manière croissante toutes les chroniques médiatiques depuis quelques années, avec en perspective pour 2024 quelques pires scénarios possibles mais aussi des avancées du discernement éthique, de la responsabilisation politique des états en matière de législation et régulation, et une progression des prises de conscience de l’acuité des problèmes sociaux, environnementaux et civilisationnels que pose cette technologie à l’humanité. L’exposé donnera une vue à la fois succincte et précise du paysage contrasté actuel. Puis dépassant les stratégies habituelles d’alertes par les extrêmes, qu’ils soient apocalyptiques ou enchanteurs, il présente une approche centrée sur la personne – chercheuse/chercheur dans son laboratoire, étudiant, ou toute personne intéressée par la question – et selon des ressources et principes existants et référencés (mais souvent noyés dans le flux médiatique actuel). Biographie : Vincent Rialle est maître de conférences-praticien hospitalier émérite à l’Université Grenoble Alpes (UGA, France) et enseignant bénévole à l’Université Inter-Âge du Dauphiné (UIAD) ; il est titulaire d’un doctorat en Éthique Biologique et Médicale et d’un Plus d'infos
Soutenance de thèse de Noé Cécillon – 18 janvier 2024
Date : jeudi 18 janvier 2024 à 14h00 Lieu : amphithéâtre Ada Lovelace sur le campus JH Fabre La soutenance sera suivie d’un pot dans l’ancienne BU. Jury : Irina Illina, Maîtresse de Conférence, Université de Lorraine (Rapporteuse) Julien Velcin, Professeur, Université Lyon 2 (Rapporteur) Serena Villata, Directrice de Recherche, Institut 3IA Côte d’Azur (Examinatrice) Harold Mouchère, Professeur, Nantes Université (Examinateur) Vincent Labatut, Maître de Conférence, Avignon Université (Directeur de thèse) Richard Dufour, Professeur, Nantes Université (Co-directeur de thèse) Titre : Combinaison des graphes et du texte pour la modélisation de conversations: Application à la détection d’abus en ligne Résumé : Les comportements abusifs en ligne peuvent avoir des conséquences dramatiques sur les utilisateurs et les communautés. Avec l’avènement d’internet et des réseaux sociaux, personne n’est à l’abri de ce genre de comportement. Ces dernières années, de nombreux pays ont mis en place des lois visant à réduire ce type d’abus. Cependant, la responsabilité incombe principalement aux entreprises hébergant ces plateformes de discussion. Celles-ci se doivent de surveiller le comportement de ses utilisateurs afin d’éviter la prolifération de propos abusifs. Une détection et un traitement rapide des cas abusifs est un facteur important afin de réduire leur Plus d'infos
Stage M2 : Cyberstratégies de tromperie utilisant l’optimisation stochastique et les graphes dynamiques
Informations générales: Durée : 5 à 6 mois, allocation d’environ 600 euros. Le stagiaire travaillera au Laboratoire d’informatique de l’Université d’Avignon, à Avignon. Il est possible de négocier quelques périodes de télétravail. Ce projet sera suivi d’un programme de doctorat de 3 ans. Date de début : Février/Mars 2024. Contexte : La cyberduperie est une stratégie de défense, complémentaire aux approches conventionnelles, utilisée pour renforcer la posture de sécurité d’un système. L’idée de base de cette technique est de dissimuler et/ou falsifier délibérément une partie de ce système en déployant et en gérant des leurres (par exemple, « honeypots », « honeynets », etc.), c’est-à-dire des applications, des données, des éléments de réseau et des protocoles qui semblent légitimes aux acteurs malveillants faisant partie intégrante du système, et vers lesquels leurs attaques sont dirigées de manière erronée. L’avantage d’une stratégie de cyberduperie efficace est double : d’une part, elle épuise les ressources des attaquants tout en permettant aux outils de sécurité du système de prendre les contre-mesures nécessaires ; d’autre part, elle fournit des informations précieuses sur les tactiques et techniques des attaquants, qui peuvent être utilisées pour améliorer la résilience du système face aux attaques futures et mettre à jour les politiques de Plus d'infos
Stage M2 : Impact de l’agrégation régionale sur les performances de flexibilité de la planification énergétique
Contexte : Des problèmes à grande échelle existent pour le système électrique, tant à court terme (par exemple, le problème de la Programmation Pluriannuelle des Investissements) qu’à long terme (planification système, par exemple la « Planification d’Expansion de la Génération »). Dans ces problèmes concernant le système électrique moderne et futur, la question de l’intégration de la flexibilité de la consommation d’énergie est cruciale. Cette flexibilité, consistant à planifier de manière « optimale » le profil de puissance d’appareils électriques particuliers (les plus courants et adaptés à cette fin étant les véhicules électriques (VE) et les chauffe-eau (CH) pour les consommateurs résidentiels), permet d’atteindre un équilibre offre-demande avec un coût total diminué, par rapport au cas où seuls les actifs de production sont contrôlables. Envisager les flexibilités liées aux « petits » consommateurs individuels (encore une fois, VE ou CH), leur très grand nombre rend inapproprié de les modéliser individuellement dans les problèmes typiques d’optimisation du système électrique, pour des raisons de faisabilité : il semble donc pertinent de considérer un modèle agrégé des flexibilités de consommation. Ensuite, la question du « bon niveau » de modélisation par agrégation est d’une importance particulière. Les techniques d’agrégation/désagrégation sont largement étudiées dans le contexte des réseaux électriques intelligents. Objectif : Plus d'infos
PANG : Enumération de sous-graphes pour la détection d’anomalies dans les graphes
Pang (Pattern-Based Anomaly Detection in Graphs) est un algorithme qui représente et classe une collection de graphes en fonction de leurs motifs fréquents (sous-graphes). Les détails de cet algorithme sont décrits dans l’article ci-dessous. Ce travail a été réalisé dans le cadre du projet ANR DeCoMaP (Détection de la corruption dans les marchés publics — ANR-19-CE38-0004). Plus d'infos
BRÉF – Base Révisée des Élu·es de France
La Base de données Révisée des Élu·es de France (BRÉF) à partir d’une source principale, le Répertoire National des Élus (RNE) et de plusieurs sources secondaires, les bases de données de l’Assemblée Nationale, du Sénat et du Parlement Européen. Cette base a vocation à être étendue ultérieurement, en exploitant plus complètement ces sources secondaires, et à plus long terme en intégrant de nouvelles bases de données et des apports ponctuels. Plus d'infos