Résultats de recherche

SynopsisA honeypot is a security tool deliberately designed to be vulnerable, thereby enticing attackers to probe, exploit, and compromise it. Since their introduction in the early 1990s, honeypots have remained among the most widely used tools for capturing cyberattacks, complementing traditional defenses such as firewalls and intrusion detection systems. They serve both as early warning systems and as sources of valuable attack data, enabling security professionals to study the techniques and behaviors of threat actors.While conventional honeypots have achieved significant success, they remain deterministic in their responses to attacks. This is where adaptive or intelligent honeypots come into play. An adaptive honeypot leverages Machine Learning techniques, such as Reinforcement Learning, to interact with attackers. These systems learn to take actions that can disrupt the normal execution flow of an attack, potentially forcing attackers to alter their techniques. As a result, attackers must find alternative routes or tools to achieve their objectives, ultimately leading to the collection of more attack data.Despite their advantages, traditional honeypots face two main challenges. First, emulation-based honeypots (also known as low- and medium-interaction honeypots) are increasingly susceptible to detection, which undermines their effectiveness in collecting meaningful attack data. Second, real-system-based honeypots (also known as high-interaction honeypots) pose security risks to the hosting organization if not properly isolated and protected. Since adaptive honeypots rely on the same underlying systems, they also inherit these challenges.This thesis investigates whether it is possible to design a honeypot system that mitigates these challenges while still fulfilling its primary objective of collecting attack data. To this end, it proposes a new abstract model for adaptive self-guarded honeypots, designed to balance attack data collection, detection evasion, and security preservation, ensuring that it does not pose a risk to the rest of the network.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Jean-Noël COLIN, Promoteur, Université de NamurProf. Florentin ROCHET, Membre interne, Université de NamurProf. Benoît FRENAY, Membre interne, Université de NamurProf. Ramin SADRE, Membre externe, Université catholique de Louvain Dr. Jérôme FRANCOIS, Membre externe, Université du LuxembourgVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le mardi 20 mai 2025.   Je m'inscris

SynopsisLes méthodes deep learning sont devenues de plus en plus populaires pour construire des systèmes intelligents. Actuellement, de nombreuses architectures deep learning constituent l'état de l'art dans leurs domaines respectifs, tels que la reconnaissance d'images, la génération de texte, la reconnaissance vocale, etc. La disponibilité de bibliothèques et de frameworks matures pour développer de tels systèmes est également un facteur clé de ce succès.Ce travail explore l'utilisation de ces architectures pour construire des systèmes intelligents pour les langues des signes. La création grands corpus de données en langue des signes a rendu possible l'entraînement d'architectures deep learning à partir de zéro. Les contributions présentées dans ce travail couvrent tous les aspects du développement d'un système intelligent basé sur l'apprentissage profond. Une première contribution est la création d’une base de données pour la Langue des Signes de Belgique Francophone (LSFB). Celle-ci est dérivé d’un corpus existant et a été adapté aux besoins des méthodes deep learning. La possibilité de recourir à des méthodes de collecte participative (crowdsourcing) pour recueillir d'avantages de données est également explorée.La deuxième contribution est le développement ou l’adaptation d'architectures pour la reconnaissance automatique de la langue des signes. L'utilisation de méthodes contrastives pour apprendre de meilleures représentations est explorée, et la transférabilité de ces représentations à d'autres langues des signes est évaluée.Enfin, la dernière contribution est l’intégration des modèles dans des logiciels destinés au grand public. Cela a permis de mener une réflexion sur les défis lié à l'intégration d'un module intelligent dans le cycle de vie du développement logiciel.Membres du juryProf. Wim VANHOOF, Président, Université de NamurProf. Benoît FRENAY, Promoteur, Université de NamurProf. Anthony CLEVE, Co-promoteur, Université de NamurProf. Laurence MEURANT, Membre interne, Université de NamurProf. Lorenzo BARALDI, Membre externe, Université de ModèneProf. Annelies BRAFFORT, Membre externe, Université de Paris-SaclayProf. Joni DAMBRE, Membre externe, Université de GandVous êtes cordialement invités à un drink, qui suivra la soutenance publique. Pour une bonne organisation, merci de donner votre réponse pour le vendredi 6 juin. Je m'inscris

Obtenir instantanément la traduction en langue des signes (LSFB) d’un mot écrit en français : voilà ce que permet MOSI (Du mot au signe). Ce nouvel outil est le fruit d’une collaboration entre l’Université de Namur, l’asbl École et Surdité et l’asbl LSFB, soutenue par la Fondation Roi Baudouin.

Diplômé en droit et gestion des technologies de l’information (DGTIC) en 1994 après sa licence et maîtrise en informatique obtenue en 1993, François Briard travaille au CERN, l’Organisation européenne pour la recherche nucléaire de Genève, le plus grand laboratoire en physique des particules au monde. Durant son cursus scolaire, effectué 100% à l'UNamur, il a été vice-président de la Régionale namuroise et délégué des étudiants durant ses années de candidatures en sciences économiques et sociales, option informatique. Grâce à la formation pluridisciplinaire dispensée à l’UNamur, il a pu saisir plusieurs occasions de réorienter sa carrière au sein du CERN.

Une chorale de robots, cela ressemble à de la science-fiction ! C’est pourtant une réalité à l’UNamur. Au sein du laboratoire de robotique de la Faculté d’informatique, des chercheurs de l’institut naXys, menés par les professeurs Elio Tuci et Timoteo Carletti, des membres du TRAKK, des artistes et des partenaires externes ont collaboré autour du projet « Chœurs synthétiques ». Explications.

Call for papersAfter a first visit 10 years ago, the Belgian Entrepreneurship Research Day (BERD) is back in Namur for its 15th edition which will be held on Friday, May 16, 2025.The Belgian Entrepreneurship Research Day (BERD) annually brings together Belgian entrepreneurship researchers to present and discuss their most recent research and provide network opportunities. PhD students, researchers and professors are invited to submit their abstracts or full papers in any area of entrepreneurship. English will be the working language during presentations and discussions. This year, besides paper presentation sessions, the BERD welcomes Prof. dr. Martin Obschonka (University of Amsterdam) for a Keynote entitled "The rise of AI in entrepreneurship research: Opportunities and challenges".Abstract and full paper submissionPlease email your abstract or full paper to marcus.dejardin@unamur.be, with the subject line “BERD 2025”, no later than Monday, April 28, 2025.A notice of acceptance will be sent by Wednesday, April 30, 2025.Conference feeParticipants are asked to cover part of the expenses to the amount of € 70Please pay before Wednesday, May 7, 2025 to:Université de Namur, BNP Paribas Fortis, IBAN: BE10 2500 0740 2704; SWIFT/BIC: GEBABEBB - with communication: 4911912 + Your Name + BERD 2025). The fee covers lunch, coffee breaks and documentation. Participants are responsible for their own travel expenses.Organizing committeeThe organizing committee for this event is composed of: Judith Behrens and Olivier Witmeur (Solvay Brussels School of Economics and Management), Hans Crijns (Vlerick Business School), Thomas Crispeels (VUB), Marcus Dejardin (University of Namur & UCLouvain), Frank Janssen (UCLouvain), Mirjam Knockaert (Ghent University), Eddy Laveren and Johanna Vanderstraeten (University of Antwerp), Vincent Molly (KU Leuven), Bernard Surlemont and Frédéric Ooms (Université de Liège), Pieter Vandekerkhof and Jelle Schepers (Universiteit Hasselt). If you have any questions, please contact: marcus.dejardin@unamur.be or nathan.jespere@unamur.beLooking ahead to welcome you soon in Namur!

Sujet de la Dissertation Essays on the macroeconomic effects of cross-country and time heterogeneity in a monetary union Composition du Jury PromoteursProfesseur Jean-Yves Gnabo, Université de NamurProfesseur Hamza Bennani (Université de Nantes), Co-promoteurAutres membres du JuryProfesseure Sophie Béreau, Université de NamurProfesseure Pauline Gandré, Université Paris NanterreProfesseure Yuliya Rychalovska, Université de NamurPrésident du JuryProfesseur Oscar Bernal, Université de Namur 

Comment recruter des nouveaux jeunes talents ? Ce challenge, c’est celui de nombreuses entreprises mais c’est aussi désormais celui des étudiants du Master en sciences de gestion de la Faculté des sciences économiques, sociales et de gestion de l’UNamur. IBM, entreprise internationale à la pointe du développement technologique, vient les solliciter pour trouver une solution à la problématique de la « guerre des talents ».

A la rentrée 2023, la Faculté des sciences économiques, sociales et de gestion change de doyen. Pietro Zidda succède à Alain de Crombrugghe. L’occasion pour ce professeur de marketing et de management d'aborder les projets et les priorités de son prochain mandat. Interview.

Karel Mertens est un chercheur de renommée internationale qui a réalisé des travaux remarquables dans le domaine de la macroéconomie. Il séjournera en Belgique pendant trois mois pour participer aux activités de la Chaire Internationale Francqui organisée par le département d’économie de l’UNamur, en collaboration avec la KULeuven, l'UAntwerp, l'Université de Gand, l’UCLouvain, et la Banque Nationale de Belgique. Interview.