Résultats de recherche

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 

Une délégation de l’Université de Namur a participé à une mission exploratoire à l’Université Cheikh Anta Diop (UCAD) de Dakar, au Sénégal. L’objectif : découvrir les recherches menées sur le terrain, rencontrer les chercheurs de l’UCAD et initier de futures collaborations entre les deux institutions. 

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 

Gabriel Dias De Carvalho Junior vient compléter l’unité de recherche en didactique de la physique du Département de physique de l’UNamur avec son expertise en didactique et en psychologie cognitive. Fort de près de deux décennies d'expérience dans l'enseignement au Brésil, il collabore à l'amélioration des pratiques pédagogiques. Ses projets innovants visent à rendre l'enseignement plus inclusif et accessible, tout en établissant des collaborations internationales. 

Au programme Des interventions d’experts et de chercheurs dans le domaine de la data science, , de l’IA, des jumeaux numériques, du droit du numérique et des processus participatifs.Inscriptions sur le site internet Vivre la Ville...

Au programme 14h00 | Conférence principale sur l'utilisation de l'IA dans la recherche - Hugues BERSINI, professeur à l’Université libre de Bruxelles : "Can science be just data driven ?" 15h00 | Exposés de chercheurs de l'UNamur15h00 | Catherine Guirkinger : Use of AI in an economic history project15h15 | Nicolas Roy (PI : Alexandre Mayer) :  L'IA au service de l'innovation en photonique et optique :  révéler les secrets des parchemins par la classification des espèces animales15h25 | Nemanja Antonic (PI : Elio Tuci) : An in silico representation of C. elegans collective behaviour15h35 | Nicolas Franco : The benefits and dangers of “predicting the future” with covid-like machine learning models 15h45 | Michel Ajzen : Implications managériales et humaines de l’IA dans les organisations 15h55 | Robin Ghyselinck (PI : Bruno Dumas) : Deep Learning for endoscopy: towards next generation computer-aided diagnosis16h05 | Auguste Debroise (PI : Guilhem Cassan) : LLMs pour mesurer l'importance des stéréotypes au sein des représentations de genre dans les films hollywoodiens16h15 | Gabriel Dias De Carvalho : Pratiques d’apprentissage en physique à l’aide des IA génératives16h25 | Sébastien Dujardin (PI : Catherine Linard) : Where Geography meets AI: A case study on mapping online flood conversations16h35 | Jeremy Dodeigne : LLMs in SHS: revolutionary tools in a Wild West Territory? Reflections on costs, transparency and open science16h45 | Antoinette Rouvroy : Governing AI in Democracy17h00 | Conférence principale sur l'éthique et les lignes directrices à prendre en compte lors de l'utilisation de l'IA dans le cadre de projets de recherche et de la rédaction d’articles de recherche - Bettina BERENDT, professeure à la KU Leuven18h00 | Benoît Frenay et Michaël Lobet : Création d'un comité scientifique IA à l'UNamur18h10 | DrinkUne attestation de présence, valant pour 0,5 crédit de formation doctorale transversale, sera délivrée sur demande.  Contact : secretariat.adre@unamur.beCet évènement est gratuit mais l’inscription est obligatoire.   Je m'inscris

En septembre 1961, quelques professeurs et une quinzaine d’étudiants inauguraient la Faculté des sciences économiques et sociales de l’Université de Namur. Devenue ensuite Faculté des sciences économiques, sociales et de gestion ou FSESG, elle a formé, en plus de 60 ans d’existence, des milliers d’étudiants devenus experts et décideurs dans des domaines essentiels : économie, management, communication et sciences politiques. En septembre 2024, elle changeait de nom pour devenir la Faculté EMCP ou Faculté Économie Management Communication sciencesPo. Un changement de nom, symbole d’une mutation visionnaire.

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