Connected Objects
Ce thème consiste en l’étude la réalisation et l’expérimentation d’architectures intégrées (logicielle et matérielle) pour le déploiement de réseaux de capteurs autonomes et à faible consommation énergétique.
Quel que soit le domaine d’application, cette synthèse entre capteur, communication et traitement du signal, ne peut être réalisée que si l’on relève les défis de l’autonomie, de la faible consommation, de l’intégration et de la fiabilité du lien radio et de la facilitation du déploiement des applications embarquées …
Pour répondre à ces différents défis, nous développons des études sur :
- la modélisation de l’environnement (canal radio, interférence)
- l’architecture de modules radio ultra faible consommation en gamme millimétrique utilisant la technique ULB impulsionnelle,
- l’optimisation du bilan de liaison en termes de rendement énergétique, de couverture radio globale et de localisation,
- l’interface et les interactions logiciel-matériel
- les intergiciels de communication et de déploiement d’applications
- la microsource de puissance pour rendre autonome énergétiquement le microsystème qui est développée dans le cadre du projet « Microsource de puissance pour nœuds miniatures de réseaux de capteurs autonomes »
IRCICA projects (mostly in french)
LoRa in the Wild
Ce projet vise à étudier la susceptibilité d’un réseau LoRa au brouillage électromagnétique, avec un passage à l’échelle. Nous nous appuierons sur un banc de test mis en place précédemment avec un seul objet LoRa, pour lefaire évoluer vers une dizaine de modules communicants. Le projet peut être vu comme une première étape, avant de pouvoir considérer un vrai passage à l’échelle de plusieurs centaines d’objets, grâce au CPER CORNELIA.
Respirez, vous êtes comptés.
L’Internet des objets et la 5G se retrouvent au coeur d’une évolution majeure associant le recueil de la donnée et l’intelligence artificielle (IA). Notre vision est que chaque élément, au-delà de ses contraintes de durée de vie, doit posséder sa propre intelligence. C’est indispensable pour permettre une adaptation des objets à leur environnement et une optimisation de l’information transmise. Le second aspect que nous souhaitons explorer porte sur la donnée elle-même. Celle-ci contient souvent plus d’information que ce que nous recherchons a priori. Ce projet porte donc
sur une donnée particulière (la concentration de CO2) pour en tirer une information autre (le nombre de personnes dans une pièce). La transformation de la donnée en information doit se faire au niveau du noeud (near sensor computing) pour réduire l’information transmise. Les attendus de ce projet sont donc :
• Une application de comptage de personnes dans des salles de réunion par exemple à partir de capteurs de CO2.
• Le développement d’une application au niveau du capteur. Deux approches embarquées seront étudiées et comparées, basées soit sur une analyse du signal et un modèle physique de l’évolution de la concentration de CO2, soit à partir de méthodes de machine learning basées sur les données et l’apprentissage.
• La capacité du noeud à communiquer quand l’information recueillie le justifie. Les objets développés dans le cadre de ce projet pourront être déployés dans Lilliad ou le Trinum dans le cadre du CPER CORNELIA.
Mitigation of Obfuscation in connected Objects (MOO)
Mitigation of Obfuscation in connected Objects (MOO) est une plateforme non-invasive de détection de malware orientée systèmes embarqués. Elle utilise la consommation énergétique comme canal caché afin de pouvoir modéliser et reconnaître l’exécution d’un malware sur un système embarqué. L’utilisation d’un tel canal caché permet de ne pas perturber le système observé, ce qui le rends utilisable en pratique. La solution proposée sera capable de détecter un malware même lorsqu’il met en place des techniques de dissimulation avancées. Elle cible en particulier une technique qui consiste à découper un programme malveillant en sous-parties d’apparence inoffensive. La plateforme générera, pour ce type de programme, une signature énergétique qui sera capable de détecter les différentes sous-parties du malware quelque soit leur ordre d’exécution.
À plus long terme, nous envisageons d’adapter cette plateforme en outil d’analyse de logiciel : en utilisant la détection des sous-parties et de leur ordre d’exécution, nous pourrons reconstruire le malware original, non-découpé.
To be filled soon
To be filled soon
To be filled soon
To be filled soon