Contexte & Enjeux

• Révolutionner la sécurisation des systèmes embarqués en exploitant l'intelligence artificielle pour identifier et neutraliser des vulnérabilités profondes.
• Importance critique pour les architectures embarquées (firmware, code bas niveau) exposées à des attaques ciblées et à des comportements anormaux difficiles à détecter par des méthodes classiques.

Objectif du sujet

• Concevoir une approche IA (ML/DL) capable de détecter de manière proactive des vulnérabilités et d'analyser des comportements anormaux dans des systèmes embarqués.
• Produire un prototype d'outil d'analyse et proposer des stratégies de renforcement applicables sur des cas réels ou simulés.

Travail à faire

• Établir l'état de l'art des failles embarquées et des méthodes d'analyse de sécurité par IA, avec synthèse des approches existantes.
• Analyser en profondeur des systèmes embarqués (extraction et étude de firmware, code bas niveau) pour préparer des données pertinentes à l'entraînement et à l'évaluation.
• Concevoir et implémenter des modèles IA (machine learning / deep learning — TensorFlow ou PyTorch) pour la détection proactive de vulnérabilités et l'analyse comportementale.
• Développer un prototype d'outil d'analyse (pipeline d'extraction, prétraitement, inférence IA) et proposer des stratégies innovantes de renforcement de la sécurité.
• Tester et évaluer l'efficacité de l'approche sur des cas réels ou simulés, mesurer précision, rappel, taux de faux positifs et robustesse.

Compétences requises

• Maîtrise de Python pour le développement d'algorithmes IA, et connaissance solide en C/C++ pour l'analyse embarquée.
• Expérience en machine learning / deep learning (TensorFlow ou PyTorch) et en cybersécurité (vulnérabilités, exploitation).
• Bonne compréhension des architectures systèmes embarqués, firmware et techniques d'extraction/analyse de code bas niveau.

Livrables attendus

• Revue bibliographique détaillée et rapport d'état de l'art sur failles embarquées et méthodes IA.
• Jeux de données extraits et documentés, scripts d'extraction et de prétraitement.
• Modèles IA entraînés et évalués, code source et notebook d'expérimentation.
• Prototype d'outil d'analyse et rapport d'évaluation sur cas réels/simulés.

Modalités & Contact

• Lieu : Tunis. Durée : 6 MOIS.
• Pour postuler, envoyer votre candidature à aes-stages@ACTIA.COM en précisant l'objet du mail indiqué ci-dessous.