Résultats de recherche

De nos jours, le développement de systèmes logiciels et leur intégration dans des services commerciaux globaux sont des entreprises extrêmement difficiles. Les défis actuels comprennent des niveaux de complexité sans précédent, un nombre croissant de parties prenantes et la nécessité de maîtriser un éventail de plus en plus large de compétences, de techniques, d'outils et de méthodes.

Les nouveaux développements des technologies de l'information et de la communication (TIC) ont permis aux organisations publiques d'innover dans leurs processus internes et dans les services qu'elles offrent. Dans ce contexte, ces développements ont conduit à l'émergence des concepts d'e-gouvernement et de ville intelligente qui modifieront, et à terme amélioreront, le fonctionnement des organisations publiques.

Les technologies de l'information sont profondément impliquées dans la formation de la condition humaine contemporaine et de son organisation sociale. Dans une certaine mesure, ces technologies sont des « micro-politiques » qui endossent, dans leurs concepts et leurs conceptions, des choix moraux et politiques affectant nos relations avec nous-mêmes, avec les autres et avec le monde. Elles sont à la fois une construction sociale et une contrainte sociale.

Face aux évolutions technologiques telles que le Big Data, l'intelligence artificielle, les algorithmes, l'internet des objets, les robots, les plateformes, la cybersécurité, etc., l'éducation numérique est devenue un enjeu majeur pour notre société. Des initiatives éducatives émergent aujourd'hui dans des directions variées, touchant toutes les tranches d'âge, dans des cadres éducatifs formels et informels.

Le F.R.S.-FNRS vient de publier les résultats de ses différents appels 2024. Appels équipement, crédits et projets de recherche, bourses de doctorat FRIA et Mandant d’Impulsion Scientifique (MIS), les instruments sont nombreux pour soutenir la recherche fondamentale. Découvrez les résultats de l’UNamur en détail.

Anthony Simonofski et Olivier Sartenaer, ont été élus pour rejoindre le prestigieux Collégium de l'Académie royale de Belgique. Rassemblant des jeunes chercheurs et chercheuses (moins de 40 ans) de Wallonie-Bruxelles qui se sont particulièrement distingués dans leur carrière, le Collégium a notamment pour objectif de promouvoir les arts et la recherche.

C’est une belle récompense pour le Professeur André Füzfa, astrophysicien au sein du Département de mathématique et responsable de l’Observatoire astronomique de l’UNamur. Ce 21 novembre, il a reçu le prix coup de cœur des Trophées de Matière Grise, l’émission de vulgarisation scientifique 2024 diffusée par la RTBF. Ces trophées visent à récompenser les scientifiques du pays, qui se mobilisent pour diffuser leur savoir et leurs connaissances au grand public.

L’Université de Stanford a publié un classement prestigieux qui met en lumière les chercheurs les plus influents dans un large éventail de domaines scientifiques. Cette liste, établie sur base de critères bibliographiques, vise à fournir un moyen normalisé d'identifier les leaders scientifiques mondiaux. Il s’agit d’un critère parmi d’autres permettant d’évaluer la qualité de la recherche scientifique. Douze chercheurs de l’Université de Namur en font partie !

L’espace est devenu le lieu d’importants enjeux économiques et stratégiques. Membre de l’Alliance européenne UNIVERSEH, l’UNamur explore cette thématique spatiale dans ses différents départements, de la physique à la géologie, en passant par les mathématiques, l’informatique ou la philosophie. Sans oublier de s’adresser au grand public, que les étoiles font toujours rêver...

Le centre de recherche NaDI-CeRCLe s’est brillamment démarqué sur la scène internationale ces dernières semaines. Trois jeunes chercheurs issus de la Faculté EMCP ont en effet été couronnés de reconnaissances prestigieuses lors d’événements internationaux de premier plan pour leur recherche en management des services : il s’agit de Floriane Goosse, Victor Sluÿters et Florence Nizette. Cet été, découvrons le travail de ces doctorants et leurs contributions significatives à la progression des connaissances et pratiques dans ce domaine. 

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.  

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 Gand