HAL-INSA Toulouse
Not a member yet
34325 research outputs found
Sort by
SuperviZ supervision et orchestration de la sécurité Rapport d’avancement à mi-projet
No full textCe document constitue le rapport à mi-parcours du projet SuperviZ. Il regroupe l’ensembledes livrables à mi-parcours des 6 lots du projet (un chapitre par lot), identifiés sous les codesL02 à L07.Le projet SuperviZ s’intéresse à la détection, à la réponse et à la remédiation des attaquesinformatiques, sujets regroupés sous l’appellation de “supervision de sécurité”.Fondamentale dans le contexte des SI d’entreprise, la supervision l’est encore plus dans le casdes systèmes cyber-physiques. En effet, avec des “objets” (dispositifs de nature et de capacitétrès hétérogène) qui devraient à terme être tous, ou presque, connectés, la surface d’attaqueaugmente significativement.Le projet SuperviZ adresse des défis de la supervision dans ce double contexte IT et OT. Il apermis de lancer à ce jour 13 thèses (pour 11 initialement prévues) et 5 postdoc (2 sont terminéset 2 restent à pourvoir).Les deux thèses complémentaires permettent de renforcer les activités du projet autour d’unsujet moins présent, la réponse aux attaques :TH3.4_add Suite à une difficulté de recrutement, la première thèse prévue coté GrenobleINP n’a pas été financée par le projet ; nous avons donc monté une douzième thèse(TH3.4_add), toujours à Grenoble-INP, sur la remédiation dans les réseaux OT, en collaboration avec Naval Group.TH3.5_add Cette thèse complémentaire est financée par le projet gouvernance du PEPR,que nous remercions. Elle permet d’intégrer une équipe supplémentaire dans le projet, surle sujet de l’orchestration de la sécurité pour répondre aux attaques, portée par l’IRIT etl’Université de Toulouse.SuperviZ a aussi permis le recrutement de 3 ingénieurs (2 postes restent à pourvoir). A cestade, nous avons quasi-finalisé les recrutements de non permanents, comme montré ci-dessus.Nous insistons sur les difficultés rencontrées pour les postes d’ingénieur, où il nous reste deuxpersonnes à recruter.Nous avons par ailleurs commencé à élargir le consortium en accueillant des permanentsd’équipes hors projet lors de nos séances de travail. Outre l’équipe de l’Université Toulouse 3,nous intégrons également des participants de l’EPITA (Strasbourg/Paris) et de Crystal (Lille).ANR-22-PECY-0008 – SuperviZ 3 Octobre 2025SuperviZLivrable L02Rapport d’avancement à mi-projetEn termes de pilotage, nous sommes complètement opérationnels. Nous avons des réunionsrégulières tous les 15 jours en ligne. Nous organisons régulièrement des réunions physiques, enmutualisant parfois ces réunions avec d’autres projets (du PEPR cybersécurité mais aussi duPEPR Cloud ou du PEPR Réseaux du futur), ou à l’occasion d’événements importants pournotre communauté.Nous réunissons également régulièrement le comité de suivi industriel et gouvernemental. Ilnous a en particulier fait des retours intéressants sur les jeux de données et sur les plateformes,sujets que ce comité (membres gouvernementaux comme membres industriels) juge cruciaux.Sur le fond du sujet, nous avons finalisé le travail de caractérisation détaillée des plateformesdont disposent les partenaires et nous avons travaillé sur la spécification d’un portail d’accès àdistance à ces plateformes, pour mise en place en 2025 et 2026 d’un accès facilité et unifié pourtous les membres du projet (une ouverture plus large sera étudiée dans un second temps).Nous avons également produit un document de synthèse sur les jeux de données. Ce documentréférence et analyse de nombreux jeux de données disponibles dans la communauté.Dans la suite de ce document, nous présentons, lot par lot, les avancés des différentes thèseset postdoctorats
Comment les méthodes de classification et de regroupement des trajectoires peuvent-elles être utilisées dans les essais cliniques préventifs ? Un exemple dans le domaine de la maladie d'Alzheimer.
No full textFrançaisCet article présente une approche méthodologique appliquée au domaine de la prévention de la maladie d’Alzheimer, illustrée à partir des données de l’essai MAPT. L’objectif est d’explorer différentes méthodes de classification et de regroupement de trajectoires longitudinales dans les essais de prévention, afin d’identifier des sous-groupes homogènes de participants.Ce travail a été soumis à la revue Prevention Science et a fait l’objet de trois tours d’évaluation par les pairs. Malgré des retours positifs sur l’approche méthodologique, l’article n’a pas été accepté pour publication, les reviewers soulignant principalement l’absence d’effet de traitement, alors que l’objectif du travail était avant tout méthodologique et exploratoire.Ce dépôt vise à rendre ces analyses disponibles à la communauté scientifique et à promouvoir la transparence méthodologique dans l’analyse des essais de prévention.© 2025 Céline Bougel et al.Distribué selon les termes de la licence Creative Commons Attribution – Pas d'Utilisation Commerciale – Pas de Modification 4.0 International (CC BY-NC-ND 4.0).Cet ouvrage peut être partagé et cité à des fins non commerciales, à condition qu'il ne soit pas modifié et que les auteurs soient dûment crédités.EnglishThis methodological paper explores different approaches for classifying and clustering longitudinal trajectories in prevention trials, illustrated through data from the MAPT study on Alzheimer’s disease. The aim is to identify homogeneous subgroups of participants and to discuss the relevance of data-driven exploratory methods in inconclusive trials.The manuscript was submitted to Prevention Science and underwent three rounds of peer review. Although the methodological contribution was acknowledged, the paper was not accepted for publication, mainly due to the reviewers’ focus on treatment efficacy rather than methodological innovation.The authors chose to make the manuscript publicly available to promote open science and transparency in methodological research on prevention trials.© 2025 Céline Bougel et al.Distributed under the terms of the Creative Commons Attribution–NonCommercial–NoDerivatives 4.0 International License (CC BY-NC-ND 4.0).This work may be shared and cited for non-commercial purposes, provided that it is not modified and that proper credit is given to the authors.Background: Clinical trials are designed to prove the efficacy of an intervention by means of model-based approaches involving parametric hypothesis testing. Issues arise when no effect is observed in the study population. Indeed, an effect may be present in a subgroup and the statistical test cannot detect it. To investigate this possibility, we proposed to change the paradigm to a data-driven approach. We selected exploratory methods to provide another perspective on the data and to identify particular homogeneous subgroups of subjects within which an effect might be detected. In the setting of prevention trials, the endpoint is a trajectory of repeated measures. In the settings of prevention trials, the endpoint is a trajectory of repeated measures, which requires the use of methods that can take data autocorrelation into account. The primary aim of this work was to explore the applicability of different methods for clustering and classifying trajectories. Methods: The Multidomain Alzheimer Preventive Trial (MAPT) was a three-year randomized controlled trial with four parallel arms (NCT00672685). The primary outcome was a composite Z-score combining four cognitive tests. The data were analyzed by quadratic mixed effects model. This study was inconclusive. Exploratory analysis is therefore relevant to investigate the use of data-driven methods for trajectory classification. The methods used were unsupervised: k-means for longitudinal data, Hierarchical Cluster Analysis (HCA), graphic semiology, and supervised analysis with dichotomous classification according to responder status. Results: Using k-means for longitudinal data, three groups were obtained and one of these groups showed cognitive decline over the three years of follow-up. This method could be applied directly to the primary outcome, the composite Z-score with repeated observations over time. With the two others unsupervised methods, we were unable to process longitudinal data directly. It was therefore necessary to choose an indicator of change in trajectories and to consider the rate of change between two measurements. For the HCA method, Ward's aggregation was performed. The Euclidean distance and rates of change were applied for the graphic semiology method. Lastly, as there were no objective criteria to define responder status, we defined our responders based on clinical criteria. Discussion: In the princeps study, the prevention trial was found to be inconclusive, likely due to the heterogeneity of the population, which may have masked a treatment effect later identified in a refined subgroup of high Beta Amyloid subjects. So, we have adopted an alternative unsupervised approach to subject stratification based on their trajectories. We could then identify patterns of similar trajectories of cognitive decline and also highlight the potential problem of a large heterogeneity of the profiles, maybe due to the final endpoint considered.Contexte : Les essais cliniques sont conçus pour prouver l'efficacité d'une intervention à l'aide d'approches basées sur des modèles impliquant des tests d'hypothèses paramétriques. Des problèmes surviennent lorsqu'aucun effet n'est observé dans la population étudiée. En effet, un effet peut être présent dans un sous-groupe et le test statistique ne peut pas le détecter. Pour étudier cette possibilité, nous avons proposé de changer de paradigme et d'adopter une approche basée sur les données. Nous avons sélectionné des méthodes exploratoires afin d'apporter un autre point de vue sur les données et d'identifier des sous-groupes homogènes particuliers de sujets au sein desquels un effet pourrait être détecté. Dans le cadre des essais de prévention, le critère d'évaluation est une trajectoire de mesures répétées. Dans le cadre des essais de prévention, le critère d'évaluation est une trajectoire de mesures répétées, ce qui nécessite l'utilisation de méthodes pouvant prendre en compte l'autocorrélation des données. L'objectif principal de ce travail était d'explorer l'applicabilité de différentes méthodes de regroupement et de classification des trajectoires. Méthodes : L'essai clinique Multidomain Alzheimer Preventive Trial (MAPT) était un essai contrôlé randomisé de trois ans comportant quatre bras parallèles (NCT00672685). Le critère d'évaluation principal était un score Z composite combinant quatre tests cognitifs. Les données ont été analysées à l'aide d'un modèle quadratique à effets mixtes. Cette étude n'a pas été concluante. Une analyse exploratoire est donc pertinente pour étudier l'utilisation de méthodes basées sur les données pour la classification des trajectoires. Les méthodes utilisées étaient non supervisées : k-means pour les données longitudinales, analyse hiérarchique par grappes (HCA), sémiologie graphique et analyse supervisée avec classification dichotomique en fonction du statut de répondeur. Résultats : L'utilisation de k-means pour les données longitudinales a permis d'obtenir trois groupes, dont l'un a montré un déclin cognitif au cours des trois années de suivi. Cette méthode a pu être appliquée directement au critère d'évaluation principal, le score Z composite avec des observations répétées dans le temps. Avec les deux autres méthodes non supervisées, nous n'avons pas pu traiter directement les données longitudinales. Il a donc été nécessaire de choisir un indicateur de changement dans les trajectoires et de prendre en compte le taux de changement entre deux mesures. Pour la méthode HCA, l'agrégation de Ward a été réalisée. La distance euclidienne et les taux de changement ont été appliqués pour la méthode de sémiologie graphique. Enfin, en l'absence de critères objectifs pour définir le statut de répondeur, nous avons défini nos répondeurs sur la base de critères cliniques.Discussion : Dans l'étude princeps, l'essai préventif s'est révélé peu concluant, probablement en raison de l'hétérogénéité de la population, qui a pu masquer un effet thérapeutique identifié par la suite dans un sous-groupe raffiné de sujets présentant un taux élevé de bêta-amyloïde. Nous avons donc adopté une autre approche non supervisée pour la stratification des sujets en fonction de leur trajectoire. Nous avons ainsi pu identifier des schémas de trajectoires similaires de déclin cognitif et mettre en évidence le problème potentiel d'une grande hétérogénéité des profils, peut-être due au critère d'évaluation final considéré
Modèle global/local pour l'étude de l'amorçage d'endommagement dans les composites stratifiés épais des lanceurs spatiaux.
No full textInternational audienceModèle global/local pour l'étude de l'amorçage d'endommagement dans les composites stratifiés épais des lanceurs spatiaux
Spatial distribution of gas–liquid mass transfer in a co-current upflow biological aerated filter
No full textInternational audienc
Online Matching via Reinforcement Learning: An Expert Policy Orchestration Strategy
No full textOnline matching problems arise in many complex systems, from cloud services and online marketplaces to organ exchange networks, where timely, principled decisions are critical for maintaining high system performance. Traditional heuristics in these settings are simple and interpretable but typically tailored to specific operating regimes, which can lead to inefficiencies when conditions change. We propose a reinforcement learning (RL) approach that learns to orchestrate a set of such expert policies, leveraging their complementary strengths in a data-driven, adaptive manner. Building on the Adv2 framework (Jonckheere et al., 2024), our method combines expert decisions through advantage-based weight updates and extends naturally to settings where only estimated value functions are available. We establish both expectation and high-probability regret guarantees and derive a novel finite-time bias bound for temporal-difference learning, enabling reliable advantage estimation even under constant step size and non-stationary dynamics. To support scalability, we introduce a neural actor-critic architecture that generalizes across large state spaces while preserving interpretability. Simulations on stochastic matching models, including an organ exchange scenario, show that the orchestrated policy converges faster and yields higher system level efficiency than both individual experts and conventional RL baselines. Our results highlight how structured, adaptive learning can improve the modeling and management of complex resource allocation and decision-making processes
Effect of top metallic contacts on energy conversion performances for near-field thermophotovoltaics
No full textInternational audienceThe design of metallic contact grids on the front side of thermophotovoltaic cells is critical since it can cause significant optical and electrical resistive losses, particularly in the near field. However, from the theoretical point of view, this effect has been either discarded or studied by means of extremely simplified models like the shadowing methods, that consist in simply ignoring the fraction of the semiconductor surface covered by metal. Our study, based on a rigorous three-body theoretical framework and implemented using the scattering matrix approach with the Fourier modal method augmented with adaptive spatial resolution, provides deeper insight into the influence of the front metal contact grid. This approach allows direct access to the radiative power absorbed by the semiconductor, enabling the proposal of an alternative definition for the thermophotovoltaic cell efficiency. By modeling this grid as a metallic grating, we demonstrate its significant impact on the net radiative power absorbed by the cell and, consequently, on the generated electrical power. Our analysis reveals behaviors differing substantially from those predicted by previous simplistic approaches
Terrestrial Education and Marine Structural Design: A Post-Sustainability Framework for Ocean Engineering Innovation
No full textInternational audienceThis paper argues that in an era of accelerating climate change and rising sea levels, what truly matters is not merely the marine structure itself, but the foresight and adaptability embedded in its conception. As global urbanization intensifies along coastlines, and as storms grow stronger and ecosystems degrade, there is an urgent need for transformative approaches to ocean engineering and design. We introduce Terrestrial Education, an interdisciplinary framework that moves beyond conventional sustainability models by integrating ecological intelligence, regenerative systems thinking, and advanced technologies. Unlike traditional approaches that focus on minimizing harm, Terrestrial Education emphasizes active ecological restoration, socio-technical evolution, and planetary stewardship. Drawing on lessons from space exploration, such as closed-loop life support systems, autonomous environmental management, and modular habitat design, we demonstrate how these principles can inspire resilient marine infrastructures, including floating platforms, submerged laboratories, and bio-integrated offshore structures. These designs are envisioned not only for their physical durability but also for their capacity to regenerate ecosystems and foster meaningful human interaction with marine environments. The paper highlights key priorities such as adaptability to climate extremes, energy efficiency through marine renewables, and environmental integration using biomimetic materials. By aligning with the Sustainable Development Goals of the blue economy, Terrestrial Education offers a future-oriented model that harmonizes environmental, technological, and economic objectives. Ultimately, this framework provides a conceptual and operational foundation for reimagining marine structures as catalysts for innovation, educational transformation, and resilient planetary futures in the climate era
An evaluation of Sample Average Approximation applied to the design of impulsive thrust space collision avoidance maneuvers
No full textInternational audienceThis paper investigates how Sample Average Approximation (SAA) techniques can be applied tochance-constrained optimization problems defined for collision avoidance maneuvers design betweenan active satellite and a passive space debris. The objective is to compute impulsive evasive maneuversthat minimize the fuel consumption of the active asset and simultaneously maintaining the collisionprobability below a given threshold. A particular SAA algorithm is then proposed and compared againsta direct optimization algorithm using both synthetic and real conjunction data