Les préoccupations relatives à la confidentialité et la demande croissante pour une authentification continue, sécurisée et efficace ont souligné la nécessité de solutions décentralisées. Cette thèse vise à développer des techniques avancées de préservation de la confidentialité pour l’authentification continue des utilisateurs tout en répondant aux défis liés à l’optimisation des ressources et à la sélection des clients dans les systèmes décentralisés. En abordant des problématiques telles que l’efficacité des ressources, l’évolutivité et la participation sécurisée des clients, cette recherche améliore la praticité et les performances des mécanismes d’authentification décentralisés dans des scénarios réels.
Les contributions de cette recherche se déclinent en trois points principaux :
1. Développement d’un cadre décentralisé de préservation de la confidentialité : Ce cadre garantit la confidentialité des données des utilisateurs tout en atteignant une haute précision d’authentification.
2. Mécanisme de sélection adaptative des clients : Le mécanisme proposé optimise l’utilisation des ressources et priorise la participation des clients fiables.
3. Stratégies d’optimisation des ressources : Ces stratégies améliorent l’efficacité et l’évolutivité du système décentralisé, permettant un fonctionnement fluide dans des environnements et sur des dispositifs variés.
Les approches proposées sont validées par des expériences approfondies utilisant des ensembles de données réels, démontrant des avancées significatives en matière d’utilisation des ressources, de précision d’authentification et d’évolutivité. Ces contributions établissent une base solide pour les systèmes décentralisés de préservation de la confidentialité, ouvrant la voie à des applications pratiques dans les environnements de l’Internet des objets (IoT) et au-delà.
| Date | 9 mars 2025 |
|---|
| langue originale | Anglais américain |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Chamseddine Talhi (Directeur(-trice)) & Azzam Mourad (Codirecteur(-trice)) |
|---|
- apprentissage fédéré
- apprentissage scindé
- authentification continue
- Internet des objets
- optimisation des ressources
Wazzeh, M. (Auteur(e)),
Talhi (Directeur(-trice)) & Mourad (Codirecteur(-trice)),
9 mars 2025Thèses et mémoires: Thèse de doctorat › Doctorat en génie: Génie