 |
Projet n° 1 : Projet Ribouta "Plateforme de e-commerce pour la vente et le paiement en ligne"Le projet Ribouta consiste à mettre en place d’une plateforme de commerce électronique B2C. C’est une Marketplace qui offre aux vendeurs un moyen d’expansion commerciale efficace et peu coûteux, et aux clients un accès facile à une large gamme de produits ou de services dans un même espace. L’objectif visé consiste à proposer une plateforme adaptée aux réalités algériennes et aux besoins locaux tout en gardant les services de e-commerce courants, et les standards internationaux de qualité. |
 |
Projet n° 2 : Projet MDP "Plateforme proactive pour la cybersécurité basée sur le Big-Data analytic"L’imprévisibilité est désormais le mot d’ordre des auteurs d’attaques qui ne se laissent plus décourager par les systèmes de protection traditionnels. Les défenseurs doivent donc être en mesure de réagir rapidement afin d’appréhender véritablement la situation et fournissent des fonctions d’aide à la décision requises pour neutraliser les menaces avancées et offrir des avantages significatifs, allant bien au-delà de la simple protection. C’est dans ce contexte que s’inscrit ce projet qui vise l’exploitation des données massive(BigData) liées à la sécurité, par des outils d’analyse proactive afin d’accélérer la détection des attaques.
Le projet devrait aboutir à la conception et mise en œuvre d’une plateforme de sécurité proactive, modulaire, qui permet de collecter une grande quantité de données multi-sources afin de détecter et prédire les risques de sécurité potentiels, et développer des contre-mesures préventives. |
 |
Projet n° 3 : Architecture sécurisée pour une application d'apprentissage fédéré dans le domaine de la santéCe projet explore le développement d’une architecture sécurisée pour l'apprentissage fédéré (FL) dans le contexte des applications de l'Internet des objets médical (MIoT). Avec l’augmentation des dispositifs connectés et la collecte de données sensibles, il est crucial de créer un environnement qui permet une collaboration efficace entre différents établissements et garantit également la sécurité et la confidentialité des informations médicales. L'architecture proposée permettra d'appliquer des modèles d'apprentissage sur des données locales sans les transférer vers un serveur central, protégeant ainsi la vie privée des utilisateurs. |
|
Projet n° 4 : Architecture Sécurisée pour la Surveillance Médicale Pervasive basée sur le Deep LearningLa surveillance médicale pervasive (SMP) est un sous-domaine prometteur de la e-santé, permettant une surveillance partout et à tout moment des patients. Les systèmes SMP ont montré des performances encourageantes notamment grâce à l’utilisation du deep learning et des infrastructures cloud puissantes. En outre, les systèmes de e-santé en général et SMP en particulier, peuvent impliquer divers participants potentiellement interconnectés, ainsi que divers acteurs manipulant les données et résultats médicales sensibles. De ce fait, les systèmes SMP soulèvent, d’une part, différents problèmes de confidentialité, principalement du fait du transfert des données des patients au cloud, et sont d’autre part, confrontés à différents types d’attaques pouvant menacer la santé des patients. La nécessité de garantir la sécurité et la confidentialité sur les différents niveaux de l’architecture des systèmes SMP tels que le contrôle d’accès, ou le stockage et analyse des données, est donc primordiale. Le projet a pour but d’étudier les différentes préoccupations potentielles de sécurité et de confidentialité dans les systèmes SMP basée sur le deep learning, afin d’aboutir à une architecture globale sécurisée. Un telle architecture devra prendre en considération les exigences et contraintes de l’environnement cible tels que les limitations en termes de ressources côté-client, ou le réseau de communication potentiellement non-fiable. |