Intelligence artificielle et sécurité opérationnelle : menaces, détection et protection dans un monde connecté

Module 1 — IA, robotique et cybersécurité : enjeux, menaces logicielles et sécurité de l'IoT

• Clarifier les concepts fondamentaux qui articulent IA, robotique et cybersécurité
• Mesurer les implications stratégiques de l'IA pour les États, les forces armées et l'ensemble des organisations numériques
• Évaluer ce que l'IA apporte et ce qu'elle ne peut pas résoudre dans le domaine de la cybersécurité
• Identifier les catégories de menaces logicielles et les solutions IA de détection des malwares
• Analyser les vulnérabilités propres à l'Internet des objets (IoT) dans un contexte de sécurité opérationnelle
• Comprendre ce que l'IoT permet et ses limites intrinsèques en matière de protection des systèmes
• Confronter les dispositifs connectés détournés à des fins malveillantes et les outils de détection associés
• Démonstration : logiciels polymorphiques, algorithmes génétiques pour la génération de codes polymorphes, et illustration sur matériels électroniques et robotiques

Module 2 — Ingénierie sociale et IA : deepfakes, réseaux GAN et outils de détection

• Définir les attaques d'ingénierie sociale et mesurer leurs conséquences sur les individus et les organisations
• Comprendre le fonctionnement des deepfakes — fausses identités, images, voix et vidéos — et leurs usages malveillants
• Explorer les capacités et les limites des réseaux GAN (Generative Adversarial Networks) dans la génération de contenus synthétiques
• Découvrir les outils émergents capables de détecter les contenus générés par IA et de contrer les attaques d'ingénierie sociale
• Démonstration : mise en œuvre d'un réseau GAN pour générer des images à l'authenticité trompeuse

Module 3 — IA au service de la détection et de la surveillance : ML, deep learning et biométrie

• Comprendre pourquoi la complexité croissante des systèmes informatiques rend leur surveillance plus difficile
• Identifier les limites des indicateurs statistiques traditionnels face aux environnements complexes et dynamiques
• Exploiter le machine learning (ML) et le deep learning pour détecter et prévenir les comportements anormaux
• Comprendre comment le ML et le deep learning alimentent les systèmes biométriques de surveillance et d'identification
• Évaluer l'efficacité et les limites des algorithmes ML et DL dans l'identification et l'authentification des individus
• Analyser les risques de détournement des systèmes IA : faux positifs, faux négatifs et exploitation malveillante
• Démonstration : présentation d'un modèle de détection, exploration de la typologie des caméras (360°, HD, 3D-RGBd…), illustration des biais de l'IA et des situations où elle dépasse les capacités humaines

Module 4 — Surveillance acoustique augmentée par l'IA : interception, frappologie et protection des échanges

• Comprendre dans quel contexte l'IA est mobilisée pour amplifier les capacités d'interception et d'analyse acoustique
• Identifier les outils et techniques permettant à l'IA de capter des conversations, décoder des signaux ou reconstituer des messages
• Prendre conscience que ces techniques sont désormais accessibles à un large public, y compris des acteurs malveillants
• Explorer les moyens concrets pour protéger la confidentialité de ses communications face à ces menaces
• Analyser les risques liés à la frappologie (keylogging) augmentée par l'IA et les contre-mesures disponibles
• Démonstration : reconstitution et prédiction de signaux indirects dans un environnement bruité grâce à des outils IA