Publié le

Soutenance de thèse de Abhishek Djeachandrane

Soutenance de thèse de Abhishek Djeachandrane.

Abhishek Djeachandrane, doctorant de l’équipe CIR soutiendra sa thèse le 19 décembre 2023 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre : Implementation of an intelligent decision-support system self-regulated by application-centric quality of experience

Directeur(s) de thèse : MELLOUK Abdelhamid 

Résumé: 

Dans les villes intelligentes, la vidéosurveillance est un outil essentiel pour assurer la sécurité publique. Dans le passé, la sécurité était améliorée en installant davantage de caméras et en centralisant leur contrôle. Mais à mesure que le nombre de caméras augmentait, il devenait impossible pour les humains de contrôler manuellement toutes les séquences en temps réel. Les humains sont enclins à la distraction et ne peuvent pas rester concentrés pendant de longues périodes. Pour relever ce défi, des experts ont mis au point des modèles capables de détecter automatiquement les situations anormales en analysant les données vidéo et en les classant comme normales ou anormales. Ces techniques de vision par ordinateur ont permis de réaliser des progrès considérables dans la détection des anomalies. Toutefois, compte tenu de la nature constamment changeante et évolutive des environnements, les méthodes conventionnelles peuvent ne pas être suffisantes pour répondre à toutes les exigences d'un scénario réel. Une revue littéraire des ""systèmes de vidéosurveillance urbaine de bout en bout pour les menaces asymétriques"" a été proposée pour explorer le sujet en profondeur. Pour traiter le sujet, une plateforme de développement a été méticuleusement conçue, intégrant trois stratégies fondamentales. Premièrement, elle utilise un signal correctif qui prend en compte les facteurs exogènes, endogènes et humains dans le contexte environnant, appelé "qualité de l'expérience spécifique à la tâche". Deuxièmement, il promet des systèmes prédictifs basés sur l'apprentissage automatique et la connaissance de la situation afin d'améliorer les capacités du système et les performances axées sur les résultats. Des approches modulaires de schémas d'apprentissage personnalisés ont été explorées et ont convergé vers une solution appelée "méta-apprentissage par renforcement basé sur la similarité" pour la détection d'anomalies multi-instances. Enfin, l'étude recommande l'adoption de systèmes d'autogestion qui reposent sur des principes informatiques autonomes pour la configuration, la protection et l'apprentissage, basés sur l'apprentissage automatique, les statistiques descriptives et inférentielles et la théorie du contrôle. Ensemble, ces stratégies fournissent un cadre complet et solide pour répondre à des questions cruciales à l'aide de technologies et de méthodologies de pointe. En combinant l'enrichissement des données, la connaissance de la situation et l'informatique autonome, le système final répond efficacement aux besoins des entreprises modernes, pour lesquelles la capacité d'apprendre, d'inférer et de s'adapter rapidement est aussi vitale que la capacité d'être conscient du contexte environnant.

Publié le

Soutenance de thèse de Mouhamad Almakhour

Soutenance de thèse de Mouhamad Almakhour.

Mouhamad Almakhour, doctorant de l’équipe CIR soutiendra sa thèse le 04 Octobre 2023 en Amphi RT, campus de Vitry-sur-Seine de l’UPEC-120 rue Paul Armangot, 94400 Vitry-sur-Seine.

Titre :  Plateforme fiable de collaboration basée des registres distribués

Directeur(s) de thèse :  MELLOUK Abdelhamid 

Résumé: 

L'émergence de nouvelles technologies telles que la 5G et l'IoT a conduit à la création de nouveaux modèles métiers. Ceux-ci se basent principalement sur une collaboration dite ouverte ou dynamique comme un de leurs concepts clés. Dans ce contexte, le processus métier est défini comme un groupe d'activités réalisées par différents acteurs pour atteindre des objectifs métiers. Aujourd'hui, la concurrence sur le marché mondial et l'évolution des conditions font que la collaboration dans les processus métiers entre les organisations est toujours nécessaire. Celle-ci peut souvent impliquer des partenaires inconnus qui doivent échanger beaucoup de données, ce qui pose de sérieux problèmes, notamment le non-respect des exigences de sécurité et l'accès non autorisé, pour n'en citer que quelques-uns. Par conséquent, les entreprises ont commencé à rechercher de nouveaux environnements décentralisés, sécurisés et fiables qui peuvent appliquer, vérifier et respecter les accords liés aux processus métiers collaboratifs avec une manière transparente. Depuis 2015, une technologie appelée blockchain a changé la vision de la collaboration. En effet, la blockchain a réussi à corriger de nombreux problèmes traditionnels en soutenant un environnement fiable, immuable, sécurisé et décentralisé. De plus, elle fournit des codes auto-exécutables, appelés ""contrats intelligents"", où les termes de l'accord entre les partenaires contractuels sont écrits directement dans des lignes de code. En conséquence, de nombreuses entreprises ont commencé à intégrer la blockchain à leurs processus métiers, ce qui a conduit à la création d'une nouvelle notion appelée ""Processus métiers collaboratifs basés sur des contrats intelligents composés"". Les contrats intelligents composites représentent un ou plusieurs contrats intelligents qui doivent appeler d'autres contrats appartenant aux mêmes propriétaires ou à différents propriétaires de processus métiers pour effectuer des tâches spécifiques. Dans ce contexte, de nouveaux risques de sécurité sont apparus avec les nouvelles applications basées sur les contrats intelligents. Pour la blockchain, les violations de sécurité et les vulnérabilités dans n'importe quel contrat peuvent entraîner une énorme perte de fonds. Ainsi, la vérification formelle des contrats intelligents composites est obligatoire pour garantir la sécurité de la collaboration. A cette fin, nous proposons une nouvelle approche pour vérifier la sécurité des contrats intelligents composites Ethereum dans les applications de processus métiers collaboratifs. Dans ce travail, nous proposons un nouveau cadre basé sur les techniques de vérification formelle pour vérifier les contrats intelligents composites statiques et dynamiques, en considérant les propriétés de sécurité générales, les propriétés dépendantes du contexte ainsi que celles qui reposent sur des appels externes de contrats. Notre proposition est basée sur des modèles de machines à états finis, des formules de logique temporelle et la méthode model checking. Pour prouver l'approche proposée, une preuve de concept (PoC) avec différents cas d'utilisation de contrats intelligents composites a été mise en oeuvre pour expérimenter notre proposition. Tout d'abord, nous avons commencé par un exemple de motivation standard, ""Système d'agence de voyage"", basé sur des contrats intelligents composites statiques. Ensuite, nous avons fourni une plateforme sécurisée de bout en bout basée sur des contrats intelligents composites dynamiques pour la virtualisation des fonctions réseau (NFV) afin d'orchestrer et de gérer le cycle de vie des fonctions virtuelles. Les résultats obtenus ont prouvé l'efficacité de notre approche, évitant de nombreux problèmes liés à la sécurité, à la confidentialité, à la vie privée, à l'intégrité, au contrôle d'accès, à la non-répudiation, et à bien d'autres encore.

QoEVal platform

 

QoEVal platform

The QoEVal platform aims to provide the research community with a simple, effective, comprehensive tool that complies with the community's recommendations for the construction of subjective databases that are necessary to estimate the user's feelings.
It consists of two components:
- a hardware component consisting of server, encoding device, display devices, emotion sensor
- a software component composed of various video encoding software, a network emulator and than a human-machine interface necessary for the conduct of tests
The goal is to emulate a realistic test environment that is consistent with video viewing experiences on the Internet. The databases collected include a large number of relative parameters / factors that emanate from the users, the application, the network or the display devices.

Connected health lab (CHL) platform

 

Connected health lab (CHL) platform

The connected health research platform (CHL), which is inspired by Living Labs, is a veritable laboratory of uses in the field of e-health and in particular around new technologies in connected medicine (telemedicine) .
It is conceived as a keystone between research, technology transfer, innovation and education at the very heart of a changing socio-economic sector and multidisciplinary and fully integrated within the thematic cluster " Health and Society "of the UPEC.
This platform, built around sensors, display screens, cameras, objects and connected medical devices, will provide a real test framework for a set of case studies investigated at the laboratory level. All of these devices are interconnected by an experimental network based on the Software-Defined Networking (SDN) paradigm, which is a sort of software-defined network.
Thus, this platform allows the development, testing and validation of tools, in an "in vitro" environment within which it is possible to recreate the pathways of a patient according to several scenarios: hospitalized, remote monitoring, reached of pathology, loss of autonomy. Its main objective for us is to work on the development of tools and equipment adapted to each situation, to test them and then to validate them.

Dataset for estimating user perception of a mobile video service (114obs/20met)

 

QoE-Affective-computing-Dataset

This work is proposed to describe and to share a subjective QoE dataset that assess emotional factors of YouTube platform users. This dataset is collected in a controlled laboratory environment using YouTube JavaScript player and Video camera as a sensor. The subjective Absolute Category Rate (ACR) method is used to evaluate the user's QoE based on Mean Opinion Score (MOS) ratting score.

To build this dataset, a testbed is achieved in the LiSSi laboratory. 21 testers participated in the test campaign. All of them were researchers and students from different disciplines aged 18 to 34 years with few or no experience with video assessment experimentation. The collected parameters concern many video parameters, network parameters and emotionals factors.

The dataset was built from a controlled laboratory testbed where 120 samples covering 22 Quality of Experience Impact Factors (QoE IFs). Three videos are used. Each on had a different type/complexity.

You can download the dataset and find more details here:
https://github.com/Lamyne/QoE-Affective-computing-Datatset

References:

Lamine Amour, Sami Souihi, Said Hoceini, Abdelhamid Mellouk: A Hierarchical Classification Model of QoE Influence Factors. WWIC 2015: pages 225-238, May 2015.

Lamine Amour, Sami Souihi, Mohamed Ikbel Boulabiar and Mellouk Abdelhamid. An Improved QoE Estimation Method based on QoS and Affective Computing, The 13th International Symposium on Programming and Systems (ISPS'2018), Algeries, Algeria. April 24-26, 2018.

Dataset for estimating user perception of a mobile video service (800obs/11met)

 

QoE-Dataset-VLC-Indicators

This work is proposed to describe and to share a subjective QoE dataset that assess YouTube video quality in controlled
laboratory environment. This dataset is collected using the subjective Absolute Category Rate (ACR) method based on Mean Opinion Score (MOS) ratting score. It provides a good representative panel of various QoE Influence Factors (QoE IFs), that allows researchers community to work in order to study and better understand the QoE concept.

To build this dataset, a testbed is achieved in the LiSSi laboratory around Paris city in France. 62 testers participated in the test campaign. All of them were researchers and students from different disciplines aged 19 to 41 years with few or no experience with video assessment experimentation. The collected QoE IFs concerns many video parameters (QoA) that VLC video player provides as indicator.

The dataset was built from a controlled laboratory testbed where 560 sample covering 18 Quality of Experience Impact Factors (QoE IFs). The used videos are of different types/complexities.

You can download the dataset and find more details here:
https://github.com/Lamyne/QoE-Dataset-VLC-Indicators

References:

Lamine Amour, Sami Souihi, Said Hoceini, Abdelhamid Mellouk: An Open Source Platform for Perceived Video Quality Evaluation. Q2SWinet@MSWiM: pages 139-140. November 2015.

Lamine Amour, Sami Souihi, Said Hoceini, Abdelhamid Mellouk: A Hierarchical Classification Model of QoE Influence Factors. WWIC 2015: pages 225-238, May 2015.

Dataset for estimating user perception of a mobile video service (2100obs/34met)

 

Poqemon-QoE-Dataset

This work is proposed to describe a new dataset that contains many QoE Influence Factors (QoE IFs) and subjective Mean Opinion Scores(MOS). This dataset is collected during the PoQeMoN project (https://www.ip-label.fr/performance-wire/projet-collaboratif-platform-quality-evaluation-mobile-networks/) where a crowd measurement platform is implemented to assess YouTube end user’s QoE in mobile environments (UMTS, HSPA, LTE, etc.). This dataset concerns collecting a lot of QoE IFs using a VLC media player. The used platform consists on an Android-based applica- tion developed and installed on the end user device (phones and tablets). The testbed experiment mainly consists of the following elements:

• A dedicated mobile application has been developed for experimentation.

• The evaluation was performed at different locations (train station, walking, etc.).

• Users were trained to perform the video session tests.

• Nine devices are used by participants to achieve tests. The devices have different characteristics like screen size, android version and Cpu.

• Several types of videos were used (e.g. sport, movie trailer, documentary, news, music,... etc.).

• Four several mobile networks were tested (Orange, SFR, Bouyegues and Free)

The dataset was built from a crowdsourcing campagn test where 1560 samples covering 29 Quality of Experience Impact Factors (QoE IFs). The used videos are of different types/complexities.

The geographical location of the testbed was the LiSSi laboratory around Paris city in France. 62 testers prticipated in the test campaign. All of them were researchers and students from different disciplines aged 20 to 37 years with few or no experience with video assessment experimentation.

You can download the dataset and find more details here:
https://github.com/Lamyne/Poqemon-QoE-Dataset

References:

Stéphanie Moteau, Fabrice Guillemin and Thierry Houdoin: Correlation between QoS and QoE for HTTP YouTube content in Orange cellular networks Conference 2017.

Lamine Amour, Sami Souihi, Said Hoceini, Abdelhamid Mellouk: "Building a Large Dataset for Model-based QoE Prediction in the Mobile Environment". The 18th ACM International Conference on Modeling, Analysis and Simulation of Wireless and Mobile Systems, pages 313-317. November 2015.

Lamine Amour, Sami Souihi, Abdelhamid Mellouk: ACR-based Subjective QoE Datasets to Quantify YouTube Video Quality. QoMEX 2018

IoT-LAB Platform

 

IoT-LAB

In the context of TILAS project, UPEC has developed a platform of a wireless multimedia sensor network. This platform is based on 50 Arduino nodes, xbee radio modules and serial ttl jpeg camera. The platform is integrated in the experimental large scale FIT IoT-LAB testbed. FIT IoT-LAB testbed provides a very large scale infrastructure facility suitable for testing small wireless sensor devices and heterogeneous communicating objects via Internet. This infrastructure consists in six large-scale Internet of Things testbeds in France with over 2700 wireless sensor nodes in a variety of topologies and environments, and both fixed and mobile nodes. It is open for scientific and experimental usage. The platform can be accessed remotely through a web portal or using Linux commands (CLI tools).

>>> http://odysse-upec.github.io/platform.html