Apprentissage par renforcement pour une cybersécurité résiliente

Résumé

À mesure que la dépendance mondiale aux dispositifs de l’IoT et aux technologies interconnectées s’intensifie, les menaces en cybersécurité évoluent à un rythme sans précédent. Les mécanismes de défense traditionnels basés sur des règles, ainsi que les modèles classiques d’apprentissage automatique, montrent une efficacité décroissante face à la nature dynamique et adaptative des cyberattaques modernes. Pour combler cette lacune, ce mémoire propose un cadre innovant fondé sur l’apprentissage par renforcement dans le but d’améliorer la résilience en cybersécurité. Plus précisément, nous développons des agents RL capables de simuler des comportements adverses en lançant des cyberattaques adaptatives et en évaluant la robustesse des réseaux cibles dans différents scénarios. L’étude débute par une contextualisation de l’apprentissage par renforcement dans le paysage plus large de l’intelligence artificielle appliquée à la cybersécurité. Nous concevons ensuite un modèle RL intégré à un algorithme d’apprentissage méta-indépendant du modèle, permettant une adaptation rapide et une meilleure généralisation à travers des environnements réseaux hétérogènes. Contrairement aux travaux existants, souvent limités à des contextes spécifiques, notre modèle démontre une capacité de généralisation, rendant possible une évaluation plus efficace des défenses sur un large éventail d’infrastructures cybernétiques. Nos résultats expérimentaux montrent que l’apprentissage par renforcement, renforcé par l’apprentissage méta, constitue une approche évolutive et adaptative pour les opérations de cybersécurité offensives. En permettant aux systèmes d’apprendre de leurs interactions avec l’environnement cybernétique, cette méthode offre une solution intelligente et résiliente pour l’architecture de cybersécurité moderne.

Date	17 déc. 2025
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Chamseddine Talhi (Directeur(-trice)) & Hakima Ould-Slimane (Codirecteur(-trice))