Intelligence Artificielle pour la détection et géolocalisation d’une source électromagnétique illégitime – DEPOSIA

DEPOSIA porte la détection et la géolocalisation de sources de signaux radio fréquence variées dans le but de déjouer des attaques sur des infrastructures et systèmes connectés. Les sources considérées sont des éléments qui par leur nature ou par leur position, présentent un caractère illicite et qui menacent les personnes ou les infrastructures. Pour les cas en extérieur, il peut s’agir de drones qui survolent des zones interdites, de brouilleurs de télécommunication, d’émetteurs de signaux de leurre ou encore de capteurs communicants utilisés afin d’introduire de fausses données dans les plateformes de surveillance. Pour les cas en intérieur, nous pensons également à des sources de brouillage ou de leurre qui peuvent provoquer les dénis de service au sein des réseaux ou des infrastructures ou bien des points d’accès illicites qui visent à mener des attaques de l’homme du milieu pour intercepter des informations.
Dans cette proposition, les cas d’usage intérieur et extérieur sont considérés de manière distincte afin de s’appuyer sur des infrastructures de surveillance adaptées à chacun des cas. Pour le cas extérieur, nous considérons une architecture de surveillance qui pourrait se joindre aux infrastructures de communication cellulaires ou bien WLAN déjà existantes. En particulier, avec la technologie 5G et les fréquences plus élevées, les réseaux cellulaires évoluent vers des maillages plus fins et possèdent des interfaces avec le cœur de réseau à chacun de leurs nœuds. Ainsi, ces points d’interface, équipés récepteurs dédiés à la surveillance, pourraient permettre d’acheminer des données de surveillance vers des plateformes, alimentant des Intelligences Artificielles d’analyse, de détection d’anomalies et de géolocalisation.
Pour le cas intérieur, nous pensons à une architecture de surveillance distribuée et déployée au sein d’un bâtiment, s’appuyant sur les capteurs SDR et un réseau de centralisation et synchronisation des données.
Dans ces deux cas, nous envisageons une Intelligence Artificielle travaillant sur les données évoluant dans trois dimensions le temps, l’espace et la direction, le tout pour des données de natures différentes, à savoir celles issues de la couche physique et de la couche liaison de données. Que ce soit pour la configuration en intérieur ou en extérieur, les algorithmes qui constitueront l’Intelligence Artificielle seront basés sur des approches par apprentissage qui correspondront à des algorithmes de Machine Learning et de Deep Learning. Ces algorithmes traiteront les problématiques de détection d’attaques et de localisation de sources illicites. Ces algorithmes devront prendre en compte : l’aspect évolutif apporté par le caractère non figé dans le temps des attaques et l’aspect non figé de la localisation de la source de l’attaque. Une première Intelligence Artificielle sera dédiée à l’analyse des données et à la détection d’anomalies, c’est-à-dire, la mise en avant du caractère suspect de la donnée et une seconde Intelligence Artificielle sera consacrée à l’extraction des informations de position de la source d’attaque. Du fait, du caractère multicouches des données, des algorithmes d’agrégation de modèles seront déployés afin d’homogénéiser le processus de décision.