Stage M2 : Cyberstratégies de tromperie utilisant l’optimisation stochastique et les graphes dynamiques

10 décembre 2023

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

10 décembre 2023

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