L’innovation au cœur de notre ADN

DApIA

Dans le domaine de la surveillance aérienne, des protocoles dits “dépendants” émergent depuis le début des années 2000. Leur fonctionnement est basé sur des données de localisation transmises directement par les aéronefs. Si la confiance accordée aux avions dans la diffusion de la donnée permet une réduction des coûts de fonctionnement, elle entraîne également d’importantes failles de sécurité, rendant notamment ces protocoles vulnérables aux attaques de types FDIA (False Data Injection Attacks).

L’objectif du projet DApIA est d’améliorer la sécurité autour de ces protocoles en proposant des capacités de détection des attaques de type FDIA. Pour atteindre cet objectif, le projet est organisé autour de plusieurs axes, chacun géré par un partenaire du projet :

• L’ONERA Toulouse, de part son expertise dans le domaine de la surveillance de l’espace aérien, fournit les données et identifie les scénarios à risques.
• L’Institut FEMTO-ST développe les capacités de détection d’anomalies à base d’Intelligence Artificielle (IA) permettant d’identifier ces attaques. La détection d’anomalie est basée sur l’utilisation de l’IA, et notamment de modèles de Machine Learning préalablement entraînés.
• Smartesting génère des données pour la validation et l’entraînement des modèles de détection. Ces données sont générées grâce à un ensemble de langages dédiés permettant de formaliser un scénario de type FDIA en utilisant le langage naturel.
• Enfin, Smartesting utilise également son expérience dans l’hébergement de services basés IA pour opérer les modèles de détection d’anomalies développés dans DApIA.

DApIA est un projet issu du dispositif ANR ASTRID Maturation qui fait suite au projet ANR ASTRID GeLeaD. Par la dimension “maturation”, une des finalités du projet DApIA est de fournir des services opérables facilement par les principaux acteurs du domaine. Cela est possible en utilisant des technologies web et en proposant l’accès aux services de détection via des API REST à un niveau de maturation à TRL 5 ou 6.

TeLIA

Le projet TeLIA a pour objectif de rendre l’automatisation des tests logiciels plus intelligente et autonome en utilisant le concept de « Usage-Centric Testing ». Ce dernier consiste à analyser les usages réels des applications.

Dans TeLIA, l’analyse des usages réels s’appuie sur des technologies telles que le Machine Learning, le Deep Learning et l’IA générative.

TeLIA aborde quatre principaux défis technologiques en utilisant des solutions basées sur l’IA:

• Automatiser la génération, l’exécution et la maintenance des tests en analysant les traces d’usage.
• Prioriser l’exécution des tests de manière dynamique grâce au Machine Learning.
• Corriger automatiquement le code des tests de bout en bout (Self-Healing)
• Détecter les anomalies en analysant les traces d’usage, notamment les anomalies fonctionnelles et le suivi de l’impact environnemental des applications.

Ces travaux de recherche se concentrent sur les tests de régression de bout en bout (E2E testing) pour les applications web et mobiles.

Ce projet a un double impact : il contribue à la transformation digitale de l’économie en adaptant les tests de régression à la production continue de logiciels. Il favorise également la transition écologique en surveillant et maîtrisant la consommation énergétique des logiciels, que ce soit pendant leur utilisation ou en cours de développement.