Résultats de recherche

Dans une volonté de rapprocher le monde académique des réalités du terrain, nous avons le plaisir de vous inviter à rejoindre cette nouvelle initiative : un espace de rencontre et d’échange entre médecins généralistes, pharmaciens et étudiants autour de la littérature scientifique en lien avec les soins primaires. À travers des discussions régulières sur des articles sélectionnés, nous viserons à enrichir nos pratiques, ensemble.

SynopsisA honeypot is a security tool deliberately designed to be vulnerable, thereby enticing attackers to probe, exploit, and compromise it. Since their introduction in the early 1990s, honeypots have remained among the most widely used tools for capturing cyberattacks, complementing traditional defenses such as firewalls and intrusion detection systems. They serve both as early warning systems and as sources of valuable attack data, enabling security professionals to study the techniques and behaviors of threat actors.While conventional honeypots have achieved significant success, they remain deterministic in their responses to attacks. This is where adaptive or intelligent honeypots come into play. An adaptive honeypot leverages Machine Learning techniques, such as Reinforcement Learning, to interact with attackers. These systems learn to take actions that can disrupt the normal execution flow of an attack, potentially forcing attackers to alter their techniques. As a result, attackers must find alternative routes or tools to achieve their objectives, ultimately leading to the collection of more attack data.Despite their advantages, traditional honeypots face two main challenges. First, emulation-based honeypots (also known as low- and medium-interaction honeypots) are increasingly susceptible to detection, which undermines their effectiveness in collecting meaningful attack data. Second, real-system-based honeypots (also known as high-interaction honeypots) pose security risks to the hosting organization if not properly isolated and protected. Since adaptive honeypots rely on the same underlying systems, they also inherit these challenges.This thesis investigates whether it is possible to design a honeypot system that mitigates these challenges while still fulfilling its primary objective of collecting attack data. To this end, it proposes a new abstract model for adaptive self-guarded honeypots, designed to balance attack data collection, detection evasion, and security preservation, ensuring that it does not pose a risk to the rest of the network.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Jean-Noël COLIN, Promoteur, Université de NamurProf. Florentin ROCHET, Membre interne, Université de NamurProf. Benoît FRENAY, Membre interne, Université de NamurProf. Ramin SADRE, Membre externe, Université catholique de Louvain Dr. Jérôme FRANCOIS, Membre externe, Université du LuxembourgVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le mardi 20 mai 2025.  

SynopsisLes méthodes deep learning sont devenues de plus en plus populaires pour construire des systèmes intelligents. Actuellement, de nombreuses architectures deep learning constituent l'état de l'art dans leurs domaines respectifs, tels que la reconnaissance d'images, la génération de texte, la reconnaissance vocale, etc. La disponibilité de bibliothèques et de frameworks matures pour développer de tels systèmes est également un facteur clé de ce succès.Ce travail explore l'utilisation de ces architectures pour construire des systèmes intelligents pour les langues des signes. La création grands corpus de données en langue des signes a rendu possible l'entraînement d'architectures deep learning à partir de zéro. Les contributions présentées dans ce travail couvrent tous les aspects du développement d'un système intelligent basé sur l'apprentissage profond. Une première contribution est la création d’une base de données pour la Langue des Signes de Belgique Francophone (LSFB). Celle-ci est dérivé d’un corpus existant et a été adapté aux besoins des méthodes deep learning. La possibilité de recourir à des méthodes de collecte participative (crowdsourcing) pour recueillir d'avantages de données est également explorée.La deuxième contribution est le développement ou l’adaptation d'architectures pour la reconnaissance automatique de la langue des signes. L'utilisation de méthodes contrastives pour apprendre de meilleures représentations est explorée, et la transférabilité de ces représentations à d'autres langues des signes est évaluée.Enfin, la dernière contribution est l’intégration des modèles dans des logiciels destinés au grand public. Cela a permis de mener une réflexion sur les défis lié à l'intégration d'un module intelligent dans le cycle de vie du développement logiciel.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Benoît FRENAY, Promoteur, Université de NamurProf. Anthony CLEVE, Co-promoteur, Université de NamurProf. Laurence MEURANT, Membre interne, Université de NamurProf. Lorenzo BARALDI, Membre externe, Université de ModèneProf. Annelies BRAFFORT, Membre externe, Université de Paris-SaclayProf. Joni DAMBRE, Membre externe, Université de Gand 

SynopsisOver recent years, the development of agent-based models has allowed researchers to advance their understanding of naturally occurring collective behaviours. Swarm robotics, a field studying the design of decentralised robot swarms, has emerged following the replication of some collective behaviours in artificial groups of robots. The first part of this thesis provides novel techniques for the aggregation of heterogeneous swarms. First, we enhance an existing controller for an aggregation problem on two sites through the use of informed robots. We show that our simplified approach offers a wider range of operating conditions and a greater flexibility. Second, we provide a new method for the aggregation of robot swarms with adaptive random walks. We separately study cue-based aggregation with a swarm of robots only sensing private information and neighbour-based aggregation with a swarm of robots sensing social information. We show that a trade-off can be obtained with a heterogeneous swarm composed of the two robot types, forming a dense cluster near the minimum of an environmental cue. Private and social information also play a key role in the evolution of biological processes inside animal groups. Dispersal, the movement of an animal from site of birth to site of reproduction, is strongly affected by the acquisition and the use of information. Since experimental research is often difficult to conduct while accounting for multiple information sources and environmental variability, the use of agent-based models offer an opportunity to study the evolution of dispersal and its associated costs linked to private and social information in a controlled setting. The second part of this thesis provides an agent-based model of dispersal including the acquisition of information and its associated costs. Throughout three case studies, we observe the evolution of genes linked to the acquisition of information and the obtained dispersal strategies in different scenarios. Jury members Prof. Wim Vanhoof, Président, Université de Namur, BelgiqueProf. Elio Tuci, Secrétaire, Université de Namur, BelgiqueProf. Timoteo Carletti, Membre interne, Université de Namur, Belgique Prof. Eliseo Ferrante, Membre externe, Vrije Universiteit Amsterdam, Pays-BasProf. Mauro Birattari, Membre externe, ULB, Belgique Prof. Andreagiovanni Reina, Membre externe, Universität Konstanz, Allemagne 

Le programme de la soirée : 16h45 – 17h00 : Accueil à La Bourse - Place d'Armes 1 à Namur17h00 – 18h30 : Conférence sur le thème : « Vers une informatique toujours plus humaine et responsable »Mot d’accueil : Wim Vanhoof – Doyen de la faculté d’informatiqueManel BarkallahJules DejaeghereXavier DevroyeJérôme FinkRobin GhyselinckJérôme MaquoiAnthony SimonofskiBenoît Vanderose18h30 – 18h45 : Pause18h45 – 19h45 : Mot de la Rectrice et carte blanche du Professeur Naji HabraCet événement, qui allie réflexion et convivialité, sera une occasion unique d’échanger autour de l'impact de l'informatique sur la société, dans une ambiance propice à la discussion et à la célébration.

Ils sont futurs vétérinaires, médecins, juristes, historiens, géographes, ou encore informaticiens et ils partagent ce point commun : le souci de se former, volontairement, aux enjeux du développement durable et de la transition. Depuis octobre 2024, 25 étudiants essentiellement de 3ème année issus des différentes facultés de l’UNamur participent à une expérience pilote : les Journées de l’Education au Développement Durable et à la Transition (JEDDT). Ce lundi 17 mars, ils présentaient sous une forme créative, le fruit de leur réflexion après 6 mois de formation.  

La profonde transformation du contexte de santé à laquelle nous assistons depuis de nombreuses années exige l’adaptation de la formation des professionnels de la santé. Depuis septembre 2021, l'Hénallux propose un Master en Sciences infirmières, en codiplomation avec la HEPN, la HELHA, l'UCLouvain et l'UNamur. Il s'agit d'un Master conjoint Hautes Écoles-Universités de 120 crédits, programmé pour combiner études et travail.Accréditation en éthique et économie demandée.Participation : 85 eurosTarif préférentiel pour les étudiants d’un consortium (dont UNamur) : 25 eurosPlus d’infos et inscriptions : https://www.henallux.be/journee-scientifique-du-master-en-sciences-infirmieres 

Thomas Balligand, désormais chargé de cours à l'UNamur, allie sa passion pour la recherche fondamentale et l'enseignement en histologie et cytologie. Après un parcours diversifié en médecine interne et en recherche, notamment à Harvard, il se consacre à la formation de la prochaine génération de scientifiques tout en poursuivant ses travaux sur les nanobodies et leur potentiel en immunothérapie. Sa volonté d'éveiller la curiosité scientifique chez ses étudiants illumine son nouveau rôle au sein de l'université.

Le professeur Elio Tuci vient d'obtenir un financement Crédit de Recherche du FNRS. L'institut naXys s'est spécialisé dans l'analyse des systèmes complexes, qu'il s'agisse d'astronomie et de cosmologie dynamique, de biologie mathématique, d'optimisation en optique, de complexité économique ou encore de l'étude de la stabilité et de la robustesse de ces systèmes. L’institut est structuré en 6 axes de recherche : Space, Bio, Optics, Eco, Robust et Robotics. 

Infos pratiques Dates : mardi 04, mercredi 05 et jeudi 06 mars 2025Lieu : Espace Culturel du Delta de Namur18h30 : Ouverture des portes, début des chauffes-salles 19h15 : Début du spectaclePrix et vente des places : 10€ pour les étudiants / 16€ pour les adultes En savoir plus

The workshop will feature:A keynote presentation on public value and AI implementation at VRT.Sessions on discoverability, user agency, and explainability.Discussions on regulation, including perspectives on the AI Act and transparency in media.An interactive session showcasing AI-driven prototypes.The event will also highlight our project’s latest findings. Join us for a day of thought-provoking discussions, knowledge exchange, and networking opportunities!Would you like to attend? Places are limited and will be allocated on a first-come, first-served basis, so register as soon as possible. Registration will close on April 11, 2025. More information here