Portail > Offres > Offre UMR8201-JOSBRO-023 - Post-doctorat en informatique (H/F)
Cette offre est disponible dans les langues suivantes :
Date Limite Candidature : mercredi 30 avril 2025 23:59:00 heure de Paris
Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler.
Intitulé de l'offre : Post-doctorat en informatique (H/F)
Référence : UMR8201-JOSBRO-023
Nombre de Postes : 1
Lieu de travail :
Date de publication : mercredi 9 avril 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 12 mois
Date d'embauche prévue : 12 mai 2025
Quotité de travail : Complet
Rémunération : de 3021.50€ brut à 4664.39€ suivant expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
Section(s) CN : 06 - Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations.
L’IA est en passe de devenir incontournable dans tous les secteurs de l’ingénierie et des services. Elle permet déjà de tirer profit de larges volumes de données disponibles ou fournies par des entités diverses (e.g., organisations, personnes, objets connectés). La mise à disposition de ces données posant cependant des problèmes de confidentialité et de protection de la vie privée, les approches d'apprentissage fédéré permettent un entrainement collaboratif des modèles d’IA, sans transmission des données. Une entité centrale est en effet chargée de coordonner l’apprentissage d’un modèle global, sur la base de modèles reçus d'entités clientes. Ces modèles sont eux-mêmes issus de données qui demeurent conservées localement et n’ont pas à être communiquées.
La sécurisation de ces approches pose plusieurs problèmes relatifs au passage à l’échelle et aux attaques que des entités malveillantes (e.g., clients) pourraient mener (e.g., en fournissant des modèles malicieux pour orienter le modèle global). Ces dernières visent essentiellement à tromper ou à détourner le modèle global (adversarial attacks). Les attaques par inférence d'appartenance (Membership inference attacks, MIA) consistent par exemple à collecter des informations sur les données utilisées pour la production du modèle d’IA. Les attaques de reconstruction tentent quant à elles de retrouver les données privées à partir des informations agrégées. Alors que les premières supposent une entité centrale malhonnête ou compromise, les deuxièmes peuvent se contenter d’analyser la mise à jour des paramètres partagée à partir de l'entraînement local (par exemple, le gradient local ou le vecteur de mise à jour des poids), afin de reconstruire les données d'entraînement locales privées.
Les travaux menés au sein du LAMIH (UMR 8201) visent dans un premier temps à sécuriser les approches d’apprentissage fédéré face à ces risques d'incidents. Il s’agira par la suite d’étudier dans quelle mesure l’apprentissage fédéré (ou d’autres formes) peut contribuer à la sécurisation des infrastructures et des services. Les recherches seront menées en collaboration avec l’IRL ILLS (Montréal, Canada), où des missions pourront être réalisées.
- Maîtrise ou équivalent en informatique ou dans un domaine connexe
- Expérience de recherche en IA (apprentissage automatique) ou en cybersécurité
- Expérience des langages de programmation (Python, C/C++) et des scripts (Bash, Shell)
- Expérience des frameworks de Deep Learning (Pytorch/Tensorflow/MXNet).
Le LAMIH (Valenciennes) est un laboratoire pluridisciplinaire et acteur de recherche reconnu dans les domaines du transport et de la mobilité : véhicules non polluants, transport intelligent, aide à la conduite, écoconduite, allégement des structures, logistique des transports, mobilité pour tous et mobilité intelligente. Il dispose d’une compétence forte dans tout ce qui touche l’homme en interaction avec les systèmes techniques. Le laboratoire est organisé en 4 départements :
• Automatique,
• Informatique,
• Mécanique,
• Sciences de l’Homme et du Vivant (SHV).
Ce projet de doctorat sera conduit au sein du département Informatique du LAMIH, à l'UPHF de Valenciennes (59).
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR. Compte tenu des spécificités de l'unité, des fermetures sont imposées par l'UPHF : 4 semaines pour la fermeture estivale, 2 semaines en fin d'année, 1 semaine pendant les vacances d'hiver, 1 semaine pendant les vacances de printemps. L'agent recruté sera tenu de prendre ses congés durant ces périodes.