Choisir la langue :

Offres d'emploi

Stages

  • Insertion de Messages Cachés dans des Images (Stéganographie) – Sécurité de l’Information

Encadrement:

Patrick BAS (Centrale Lille) et Wadih SAWAYA (Telecom-Lille)

Descriptif du projet :

En stéganographie, l’émetteur (Alice) communique secrètement avec le destinataire (Bob) en insérant des messages cachés dans des contenus tels que des images numériques. L’objectif étant de transmettre le plus d’information possible tout en s’assurant qu’une personne observant les contenus échangés (généralement appelée EVE), ne puisse distinguer un contenu original (appelé Cover) d’un contenu transportant le message (appelé Stégo).
L’objectif de ce projet de recherche est de mettre en place une méthode de codage pour la stéganographie. Cette méthode, basée sur un codage linéaire, permet de minimiser la distorsion statistique entre le contenu Stégo et le contenu Cover, tout en insérant un message de taille donnée.
L’élève devra dans un premier temps comprendre les principes de la stéganographie et de la méthode de codage utilisée (codage par syndrome en treillis), puis l’implémenter dans sa version simple sur des images binaires ou en niveau de gris. Dans un deuxième temps, l’élève analysera les performances de cette méthode par rapport aux limites théoriques. Enfin l’élève pour implémenter une version ou le message inséré est codé dans un alphabet de taille Q (insertion Q-aire).

Connaissances et compétences mises en œuvre :

Conaissance en théorie des codes, en représentation des images et en python nécessairent.

Contacts:

Patrick.Bas@ec-lille.fr

Wadih.Sawaya@telecom-lille.fr

 

 

 

 

Thèses

  • Outils géométriques de traitement du signal pour la caractérisation de milieux turbides par mesure de dépolarisation.

Encadrement:

Vincent Devlaminck ( Université de Lille 1) et Jérémie Boulanger (Université de Lille 1)

Descriptif du projet:

Le sujet de cette thèse porte sur l'utilisation des outils géométriques de traitement du signal pour résoudre des problèmes d'imagerie polarimétrique dans le cadre de la caractérisation de milieux turbides. Les milieux biologiques ou les milieux atmosphériques sont de bons exemples de ce genre de situation.

Lors de son évolution dans un milieu, la polarisation d'une onde électromagnétique est modifiée par ce dernier. L'un des buts de l'imagerie polarimétrique est de pouvoir estimer certains paramètres de ce milieu à l'aide des changements de polarisation des ondes le traversant (notamment via l’existence d’une dépolarisation plus ou moins rapide de l'onde).

Si les paramètres composants l'onde au départ sont connus, l'influence du milieu et du capteur peut se modéliser par des variables aléatoires dont les distributions dépendent du milieu conférant ainsi un caractère aléatoire à la polarisation-dépolarisation mesurée. Afin de modéliser au mieux la distribution de la polarisation, une approche possible consiste à décrire la polarisation à l'aide d'un modèle géométrique tel que la sphère de Poincaré ou le groupe de Lorentz, en fonction de l'estimation souhaitée.

Le premier objectif de cette thèse est de modéliser l'évolution de la polarisation à l'aide de processus stochastiques sur des variétés géométriques. On cherchera ensuite à modéliser l'influence de la mesure (du capteur) sur la polarisation afin de pouvoir s’en affranchir. Il conviendra par ailleurs de chercher à interpréter, une fois les traitements effectués, les résultats géométriques en termes de propriétés des milieux optiques observés.

Références:

  • Jérémie Boulanger, Salem Said, Nicolas Le Bihan, Jonathan H. Manton,” Filtering from Observations on Stiefel Manifolds,” Signal Processing, Elsevier, hal-01240547v1 (2015)
  • J-M Charbois, V Devlaminck, “ Stochastic model for differential Mueller matrix of stationary and non-stationary turbid media,” Journal of the Optical Society of America. A, 33 (12), pp.2414-2424 (2016)
  • V. Devlaminck, “ Depolarizing differential Mueller matrix of homogeneous media under Gaussian fluctuation hypothesis,” Journal of the Optical Society of America. A, 32 (10), pp.1736-1743 (2015)
  • S. Said and J. H. Manton, "Extrinsic Mean of Brownian Distributions on Compact Lie Groups," in IEEE Transactions on Information Theory, 58 (6), pp. 3521-3535 (2012)

Contacts:

vincent.devlaminck@univ-lille1.fr

jeremie.boulanger@univ-lille1.fr

 

 

 

 

  • Stéganographie et stéganalyse d’images couleurs

Encadrement:

Patrick Bas - Directeur de Recherche au CNRS

Descriptif du projet:

L’objet de cette thèse portera à la fois sur l’insertion de messages indétectables (c’est le principe de la stéganographie 1 ) et sur la détection automatique de ceux-ci par l’analyse des statistiques des contenus observés (c’est le principe de la stéganalyse). Ces deux disciplines ont des méthodologies qui peuvent s’appliquer sur plusieurs types de contenus : la stéganographie cherchera à insérer le maximum d’information tout en minimisant la distorsion statistique du contenu après insertion) et la stéganalyse au contraire cherchera à détecter la présence d’un message caché en extrayant des caractéristiques qui sont statistiquement sensibles à l’insertion. Les contenus ici étudiés seront des images couleurs compressées, des contenus largement utilisées en pratique sur le web mais très peu étudiés par la communauté [3]. Les schémas de compressions privilégiés seront les standards JPEG et JPEG2000.

Les méthodes actuelles de stéganographie travaillent principalement sur des images en niveaux de gris ce qui empêche de prendre en compte la dépendance entre les 3 canaux couleurs. De récents travaux ont cependant montrés que l’utilisation de l’image brute (format RAW) pour générer l’image stégo compressée 2 permet de diminuer sensiblement la détectabilité des images [2, 1]. Une stratégie similaire pourra être appliquée lors de l’étape du dématriçage 3 . La distribution statistique du bruit d’acquisition du capteur sera également modélisée dans les domaines pixéliques, fréquentiels et colorimétriques, elle permettra de contraindre la distribution du signal inséré par l’algorithme de stéganographie. Enfin, la synchronisation spatiale et colorimétrique du canal d’insertion devra être mise en oeuvre afin d’avoir des modifications qui soient cohérentes dans un voisinage spatio-colorimétrique donné.

Les méthodes développées seront ensuite évaluées via la conception et l’utilisation de méthodes de stéganalyse dédiées aux images couleurs. Plusieurs pistes seront envisagées, à savoir l’utilisation d’une information adjacente liée aux probabilités d’insertion [2] pour compléter les caractéristiques de co-occurences [4], l’utilisation des dépendances fortes qu’entraine le dématriçage couleur, ou encore l’extraction supervisée de caractéristiques via l’utilisation de réseaux de neurones profonds [5].

Références:

  • [1]   P. BAS, Steganography via Cover-Source Switching. IEEE Workshop on Information Forensics and Security (WIFS), 2016.
  • [2]   T. DENEMARK, V. SEDIGHI, V. HOLUB, R. COGRANNE ET J. FRIDRICH, Selection-channel-aware rich model for steganalysis of digital images, in IEEE Workshop on Information Forensic and Security, Atlanta, GA, 2014.
  • [3]   A. D. KER, P. BAS, R. BöHME, R. COGRANNE, S. CRAVER, T. FILLER, J. FRIDRICH ET T. PEVNỳ, Moving steganography and steganalysis from the laboratory into the real world, in Proceedings of the first ACM workshop on Information hiding and multimedia security, ACM, 2013, p. 45–58.
  • [4]   T. PEVNY, P. BAS ET J. FRIDRICH, Steganalysis by subtractive pixel adjacency matrix, Information Forensics and Security, IEEE Transactions on, 5 (2010), p. 215 –224.
  • [5]   L. PIBRE, P. JéRôME, D. IENCO ET M. CHAUMONT, Deep learning is a good steganalysis tool when embedding key is reused for different images, even if there is a cover source-mismatch.

Contacts:

patrick.bas@ec-lille.fr

 

 

 

 

  • Sequential Bayesian Inference Methods for Complex Dynamical Systems

Encadrement:

Victor Elvira et François Septier (IMT Lille Douai)

 

Descriptif du projet:

Many problems in different scientific domains can be described through statistical models that relate the sequential observed data to a hidden process through some unobserved parameters. In the Bayesian framework, the probabilistic estimation of the unknowns is represented by the posterior distribution of these parameters. However in most of the realistic models, the posterior is intractable and must be approximated. Importance Sampling (IS)-based algorithms are Monte Carlo methods that have shown a satisfactory performance in many problems of Bayesian inference [1].

In this thesis, we will study IS-based methods for probabilistic inference in complex non-linear high- dimensional systems [2]. More specifically, we will propose novel adaptation schemes in order to overcome current limitations of more traditional IS-based techniques in such a challenging context [3]. Extension to sequential learning problems such as in [4] will also be studied. Many applications can be benefited from the development of these methodologies. In particular, the proposed Monte-Carlo techniques could be applied to two challenging problems: 1) indoor localization and 2) spatial and/or temporal field reconstruction [5] such as pollution level [6], electromagnetic radiation…

Références:

[1]  C. P. Robert and G. Casella, Monte Carlo Statistical Methods. Springer, 2004.
[2]  T.L.T.Nguyen,F.Septier,G.W.Peters,andY.Delignon,“EfficientSequentialMonte-CarloSamplersforBayesianInference,” IEEE Trans. Sig. Proc., vol. 64, no. 5, pp. 1305–1319, Mar. 2016.

[3] L. Martino, V. Elvira, D. Luengo, and J. Corander, “Layered adaptive importance sampling,” Stat. Comput., vol. 27, no. 3, pp. 599–623, May 2017.

[4]  V. Elvira, J. Miguez, and P. M. Djuric, “Adapting the Number of Particles in Sequential Monte Carlo Methods Through an Online Scheme for Convergence Assessment,” IEEE Trans. Sig. Proc., vol. 65, no. 7, pp. 1781–1794, 2017.

[5]  I.Nevat,G.W.Peters,F.Septier,andT.Matsui,“Estimation of Spatially Correlated Random Fields in Heterogeneous Wireless Sensor Networks,” IEEE Trans. Sig. Proc., vol. 63, no. 10, pp. 2597–2609, May 2015.

[6]  H. Rajaona, F. Septier, P. Armand, Y. Delignon, C. Olry, A. Albergel, and J. Moussafir, “An adaptive Bayesian inference algorithm to estimate the parameters of a hazardous atmospheric release,” Atmospheric Environment, vol. 122, pp. 748–762, Dec. 2015.

Contacts:

victor.elvira@imt-lille-douai.fr

francois.septier@imt-lille-douai.fr