En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5205-VLANIT-001 - Post-doc on mobile TEEs H/F

Post-doc on mobile TEEs H/F

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : vendredi 4 décembre 2020

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR5205-VLANIT-001
Lieu de travail : VILLEURBANNE
Date de publication : vendredi 13 novembre 2020
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 janvier 2021
Quotité de travail : Temps complet
Rémunération : 2675 euros
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

La vision IoT se caractérise par la prolifération d'appareils connectés intelligents (par exemple, les smartphones, les montres intelligentes et autres appareils connectés entourant les utilisateurs) au-dessus desquels exécutent une variété d'applications. Des exemples de telles applications comprennent les applications de détection participative où les citoyens utilisent volontairement leurs appareils sensoriels pour capturer et partager des données détectées de leur environnement environnant pour surveiller un phénomène donné. Dans ce contexte, il est devenu une priorité de concevoir des mécanismes permettant aux utilisateurs d'accéder en toute sécurité aux services IoT sans craindre que leurs données ne soient divulguées des plates-formes cloud sur lesquelles elles sont stockées et traitées. Une solution possible qui gagne du terrain ces dernières années est le principe du «code se déplaçant vers les données». En effet, les scientifiques des données ont réalisé que dans de nombreux scénarios, déplacer le calcul près des données peut être moins cher que de télécharger les données à proximité du calcul, ce qui conduit à l'apparition du paradigme Edge Computing. Dans le contexte du Machine Learning (ML), ce paradigme a été instancié sous le nom de Federated Learning (FL) et mené entre autres par Google. Même si FL prétend révolutionner l'apprentissage automatique et le traitement des données en général, en extrayant des fonctionnalités utiles des données générées en périphérie tout en offrant de solides garanties de confidentialité, sa nouvelle architecture expose deux problèmes importants: la scalabilite et la robustesse contre les attaques. Le but de ce postdoc est d'étudier les améliorations potentielles de robustesse de l'architecture Federated Leaning en utilisant les mécanismes d'attestation des TEE matériels.

Activités

* activités de recherche pour l'amélioration de la robustesse FL
* la mise en place d'une preuve de concept

Compétences

* expérience avec les systèmes d'exploitation mobiles (par exemple Android) et les architectures mobiles (par exemple ARM)
* Compétences en programmation C / C ++
* la capacité de travailler en équipe

Contexte de travail

Unité mixte de recherche (UMR 5205), le Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS) est porté par le CNRS, l'INSA de Lyon, l'Université Claude Bernard Lyon 1, l'Université Lumière Lyon 2 et l'Ecole Centrale de Lyon. Il compte 330 membres, et a pour principal champ scientifique l'Informatique et plus généralement les Sciences et Technologies de l'Information.

On en parle sur Twitter !