Une classe de code de sécurité repose sur la dégradation contrôlée de sa qualité de reproduction par impression, gravure laser, etc... L’incapacité des contrefacteurs à reproduire ce code avec un niveau de similarité suffisant assure sa sécurité. On cherchera dans ce stage à analyser et à améliorer ce code. Pour cela, il se déroulera en trois parties : d’une part évaluer précisément la robustesse actuelle du code hors attaques, ensuite construire des attaques de type stéganalyse visant à reconstituer l’original de ce code de sécurité avant reproduction par différentes approches basées sur l’apprentissage profond. Les attaques pourront être de différentes natures, en prenant en compte par exemple la multiplicité des reproductions de certains codes, ou bien une connaissance a priori des défauts propres à un mode de reproduction précis (impression offset, sérigraphie,...). Enfin, en se basant sur les résultats de ces attaques, proposer des améliorations pour renforcer la sécurité de ce code.

Les algorithmes de reconstitution de l’original pourront être basés sur des approches comme le transfert learning, le deep-inpainting ou des approches adversariales par exemple. Le stage se poursuivra par des contre-mesures, c’est-à-dire, la conception de méthodes permettant au contraire de renforcer la difficulté à reconstituer l’original dans les contextes précédents.

Des opportunités de poursuivre ce travail ou un autre sujet par un Doctorat sont envisageables à travers un financement CIFRE.

Profil attendu : Ecole d’ingénieur 3 ème année (Bac+5) ou Master 2
Compétences requises : Traitement d’Images, Deep Learning (CNN, résidus, GAN)
Durée du stage : 6 mois
Début du stage : février/mars/avril 2023

Détails (lieu/contact du stage, candidatures, etc.) :
http://www-ia.lip6.fr/~sahbi/StageB.pdf