|
Tri :
Date de référencement
Editeur
Auteur
Titre
|
Fault-tolerant hardware architectures for artificial intelligence algorithms
Date de publication :
11-12-2025 |
Auteur(s) :
Guillemé Wilfread |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les réseaux de neurones, utilisés dans de nombreux domaines, trouvent également leur place dans des environnements critiques tels que l’aérospatial, le médical ou la conduite autonome. Leur déploiement sur des systèmes embarqués pose des défis liés à la consommation énergétique, aux ressources matérielles limitées et à leur vulnérabilité aux perturbations, notamment les inversions de bits causées ...
Référencé le :
03-07-2026
|
|
On the complementarity of software and side channel attacks against deep Learning Algorithms
Date de publication :
17-12-2025 |
Auteur(s) :
Coqueret Benoit |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les modèles de réseaux neuronaux profonds sont de plus en plus populaires, et les meilleurs modèles constituent désormais une propriété intellectuelle précieuse. Cependant, leur grande valeur et la surface d'attaque accrue causée par leur déploiement sur des systèmes embarqués ont conduit les attaquants à envisager de nouveaux types d'attaques, telles que les attaques par canaux auxiliaires. En co...
Référencé le :
03-07-2026
|
|
Synthetic tabular data: generation and detection
Date de publication :
18-12-2025 |
Auteur(s) :
Kindji Gaspard Charbel Novixi |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les données tabulaires sont largement utilisées dans la médecine, les sciences sociales et les registres administratifs. Elles sont hétérogènes, souvent incomplètes et sensibles. Générer automatiquement des données réalistes et détecter celles produites artificiellement constituent deux défis majeurs à fort impact sociétal. Cette thèse aborde ces deux enjeux. Elle propose d’abord une évaluation ri...
Référencé le :
24-06-2026
|
|
Formal verification of weak topological orderings and dataflow analysis
Date de publication :
16-12-2025 |
Auteur(s) :
La Spina Sophia |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
L'analyse flots de données est une technique d'analyse statique qui détermine des informations sur la propagation des données lors de l'exécution d'un programme informatique, sans exécuter le programme. Ces informations peuvent être notamment utilisées pour optimiser le programme lors de sa compilation. Réaliser une analyse flots de données consiste en général à résoudre un système d'équations. En...
Référencé le :
22-06-2026
|
|
Energy estimation of cloud-native applications
Date de publication :
16-12-2025 |
Auteur(s) :
Barret Gaëtan |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Ce travail propose un cadre expérimental pour estimer la consommation énergétique des applications cloud-native. Nous montrons que la puissance statique des cœurs, dérivés des courants de fuites, peut atteindre 12% de la consommation d'énergie de l'intégralité de la puce et présentons une méthode en trois étapes pour l'estimer. Notre seconde contribution établit, via une méthode expérimentale, que...
Référencé le :
10-06-2026
|
|
Scalable data stream processing in heterogenous environments
Date de publication :
15-12-2025 |
Auteur(s) :
Arsalane Khaled |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Le traitement de flux de données (DSP) dans le continuum edge-cloud hétérogène présente des défis majeurs. L'explosion des applications IoT génère des volumes de données sans précédent nécessitant un traitement en quasi-temps réel. Le continuum edge-cloud étend les infrastructures cloud traditionnelles en intégrant des nœuds de calcul de capacités diverses, introduisant une hétérogénéité réseau et...
Référencé le :
10-06-2026
|
|
Mechanized semantics for circuits : from dataflow to hardware
Date de publication :
20-02-2026 |
Auteur(s) :
Law Tony |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
La synthèse de haut-niveau (HLS) est une méthode pour produire une description de matériel à partir d'une spécification haut-niveau, en général écrite en C. Elle fait ainsi intervenir deux modèles d'exécution différents : en entrée, des programmes séquentiels dirigés par leur flot de contrôle, et en sortie, des circuits parallèles dirigés par leurs flots de données. Des techniques d'ordonnancement...
Référencé le :
03-06-2026
|
|
Time-aware reliability enhancements for safety-critical embedded systems
Date de publication :
06-02-2026 |
Auteur(s) :
Nikiema Pegdwendé Romaric |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les systèmes embarqués sont davantages vulnérables aux radiations avec l'utilisation de petits transistors, de faibles tension d'allimentation, etc. Les méthodes standards de tolérance aux fautes telles que la redondance par triplication (TMR) induisent des surcoûts en surface. La plupart des travaux sur l'estimation du pire temps d'exécution (WCET), nécessaire pour la guarantie des temps, ne cons...
Référencé le :
02-06-2026
|
|
Déjouer les dissimulations : outils pour l'audit de systèmes de prédiction en boîte noire
Date de publication :
10-02-2026 |
Auteur(s) :
Godinot Augustin |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les systèmes de prédiction fondés sur l'apprentissage automatique sont désormais largement accessibles mais restent trop souvent opaque, s'apparentant à des boîtes noires pour leurs utilisateurs. L'audit, en tant qu'évaluation indépendante est un outil essentiel à la gouvernance de ces systèmes. Cependant, la facilité de détection des audits et leurs conséquences potentiellement coûteuses pour le ...
Référencé le :
27-05-2026
|
|
Beyond divination : stabilizing the interpretability of machine learning algorithms
Date de publication :
23-01-2026 |
Auteur(s) :
Kelodjou Nguenang Zeinabou Gwladys |
Editeur(s) :
Université de Rennes |
Origine de la fiche :
Université de Rennes 1
Les modèles d’apprentissage automatique présentent des mécanismes de décision souvent opaques et incompréhensibles, ce qui limite leur utilisation dans des domaines sensibles où les prédictions doivent être justifiées pour être exploitables. Les méthodes d’explicabilité visent à rendre ces décisions plus compréhensibles, notamment à travers des techniques d’attribution locales qui expliquent une p...
Référencé le :
19-05-2026
|
|
