Projets novateurs réalisés

Empreinte digitale des appareils IoT et détection d’anomalies grâce à l’apprentissage automatique

Le nombre d’appareils Internet des objets (IoT) devrait atteindre 50 milliards d’ici 2020 et les appareils sont de plus en plus diversifiés. Ils perturbent les mesures de sécurité traditionnelles. Les opérateurs de réseaux mobiles (MNO) ont un contrôle limité sur les appareils IdO des clients, puisqu’ils sont déployés sur place. Les MNO doivent déployer des contrôles de sécurité efficaces de leur côté pour protéger leurs actifs. D’énormes quantités de données sont générées par les appareils IoT, qui peuvent être exploitées pour comprendre les comportements des appareils. Le programme de recherche proposé vise à trouver de nouvelles solutions au problème de détection de comportements anormaux dans les environnements IdO. Lorsqu’un trafic réseau anormal est détecté, deux solutions peuvent être adoptées : bloquer le trafic ou le soumettre à une analyse plus approfondie. La première solution pourrait déconnecter les appareils IoT légitimes, car certaines déviations de comportement sont tout à fait normales, par exemple les fluctuations de bande passante. La deuxième solution tente d’en apprendre davantage sur les appareils IdO et d’affiner le modèle de comportement appris. Il s’agit d’un processus d’apprentissage en temps réel et continu qui adapte le modèle à un environnement changeant, par exemple, de nouveaux types d’appareils. Par conséquent, l’empreinte digitale sophistiquée de l’IoT exploitant des algorithmes d’apprentissage automatique est l’objectif ultime à atteindre.

Intelligence artificielle créative dans les systèmes mobiles interactifs

La grande quantité d’informations disponibles aujourd’hui sur le web pose de nombreux défis aux communautés de recherche d’information et d’intelligence artificielle. De plus, la personnalisation est un élément clé dans le succès des sites web mobiles et des applications interactives d’aujourd’hui. Pour être efficaces, ces sites web doivent fournir aux visiteurs l’information dont ils ont besoin, sans la complexité de leur recherche. Le développement de systèmes intelligents et interactifs avec des interfaces utilisateur visuelles est donc essentiel pour tout appareil mobile. À cet égard, notre objectif est de développer un nouvel outil mobile interactif qui réponde aux besoins et préférences des utilisateurs, afin de leur fournir ce dont ils ont réellement besoin. Cela sera réalisé en tirant parti des avancées de l’intelligence artificielle ainsi que des nouvelles technologies 5G.

Détection d’anomalie à l’aide de l’IA/ML pour la correction du réseau

La détection d’anomalies ou détection de valeurs aberrantes est une technique permettant d’identifier des éléments, observations ou événements rares qui diffèrent significativement de la plupart des données ou qui ne correspondent pas au comportement attendu du système. Typiquement, les données anormales causent de nombreux problèmes dans le réseau informatique et le système de communication. Ce projet vise à développer un algorithme avancé de détection d’anomalies en utilisant des techniques d’apprentissage automatique et d’intelligence artificielle de pointe, et en les combinant avec des techniques existantes de détection d’anomalies. Nous proposons de développer une méthodologie unique d’apprentissage profond basée sur la Modified Support Vector Machine (MSVM) et les approches Bidirectional Long Short-Term Memory Recurrent Networks (BLSTM RNN). Nous testerons et évaluerons la solution en fonction de la précision, du taux d’erreur de calcul, de la précision, du taux de vrais positifs et du score F1

AI-Blockchain integration to ensure explainability, accountability, traceability and reproducibility (EATR) in mission critical systems

Ce projet vise à intégrer deux des technologies émergentes de notre époque, soit l’intelligence artificielle et la blockchain. Le but de cette intégration est de surmonter les inconvénients des technologies individuelles et de travailler en cohérence pour des bénéfices mutuels. La plupart des systèmes d’IA actuellement déployés sont des boîtes noires et ne fournissent pas d’explications sur les décisions suggérées. Avec l’intégration de la blockchain à l’IA, il est possible de créer un système d’IA transparent avec une traînée de traitement des données pour répondre à la question « Pourquoi? ». De plus, à l’ère de l’Internet des objets, de l’application du RGPD et de la 5G, il est obligatoire pour les organisations d’assurer la protection des données et de l’identité des processus et des personnes qui les utilisent. L’objectif de cette recherche est de développer un modèle logique qui respecte les exigences en matière de vie privée tout en étant explicable dans sa conduite suggérée. Les applications possibles de tels systèmes sont en matière de conformité financière et informatique, de responsabilités/pénalités, d’assurance, de gouvernance et de sécurité. À cette fin, un système peut être conçu intégrant des technologies d’IA et de blockchain pour surveiller continuellement différents processus et s’assurer que toutes les fonctionnalités sont en place et fonctionnent correctement.

Modèle de réduction de dimensionnalité basé sur un ensemble pour les séries temporelles sans fil

La nouvelle technologie de réseau sans fil offrira aux utilisateurs une meilleure qualité de communication. Cependant, nous ferons face à deux problèmes critiques : le trafic sans fil augmentera considérablement, et les signaux sans fil conteront le bruit. Les signaux Wifi sont représentés sous forme de séries temporelles, mais traiter et éliminer le bruit provenant de données aussi complexes, de grande dimension et de volume élevé posent de grands défis. Apprendre à partir de séries temporelles est un problème ambitieux, et la malédiction de la dimensionnalité rend les algorithmes d’apprentissage automatique incompétents.

Les algorithmes de réduction de dimensionnalité (DRA) peuvent efficacement résoudre les problèmes mentionnés ci-dessus. Cependant, l’application de la DRA aux séries temporelles a été limitée en raison de la complexité des données. Nous examinerons d’abord les caractéristiques des données sans fil et étudierons quels DRA sont les plus adaptés. Ensuite, nous définirons des stratégies pour combiner les DRA, une tâche difficile mais importante pour améliorer la précision des DRA. En réalisant une analyse empirique, nous développerons la DRA d’ensemble qui maximise le mieux la performance du réseau.

Localisation sans fil intérieure basée sur la détection de foule à l’aide d’un algorithme innovant d’IA et d’apprentissage automatique

Les services de navigation intérieure basés sur smartphone sont désespérément nécessaires dans un environnement intérieur sans GPS, comme la surveillance en zone de combat, la surveillance de la santé, la détection d’incendie, etc. Les algorithmes basés sur la force du signal de réception (RSS) sont couramment utilisés en localisation intérieure, qui s’appuient sur les données d’empreintes digitales WiFi créées par l’approche Mobile Crowdsensing. Des techniques statistiques et probabilistes conventionnelles sont utilisées pour traiter les données d’empreintes digitales RRS basées sur la détection de foule, mais il y a certains problèmes comme une faible précision de localisation, une grande pertinence pour l’appareil ou le logiciel utilisé, une grande base de données requise, un problème peu convivial avec les nouveaux smartphones rencontrés, etc. Le projet proposé développera une approche intégrée novatrice combinant la technologie IA (par exemple, réseaux neuronaux artificiels) et des méthodes d’apprentissage automatique (par exemple, le régresseur multicouche à perceptron et la machine à vecteurs de support) pour résoudre les problèmes mentionnés, ainsi que la construction d’un ensemble de données d’empreintes digitales RRS Wi-Fi basé sur la détection de foule dans un bâtiment universitaire à Regina, en Core-Sud du Canada, pour des études de positionnement intérieur

Extension de la sélection de fonctionnalités avec un algorithme d’apprentissage automatique pour la prédiction du trafic réseau sans fil

Le lancement prochain du réseau 5G offrira une connectivité fiable, un débit plus élevé, une meilleure qualité de service et une signalisation plus efficace. La charge du trafic réseau augmentera continuellement avec de plus en plus d’utilisateurs mobiles utilisant les services Internet. Il est nécessaire de prévoir la charge du trafic réseau sans fil afin de gérer efficacement les ressources réseau et d’offrir une meilleure qualité de service. Cet ensemble de données de trafic réseau est complexe et non linéaire par nature et contient un grand nombre de variables. La recherche proposée combinera les techniques de sélection des caractéristiques avec une méthode avancée d’apprentissage automatique (ML) pour gérer cet ensemble de données de trafic réseau, qui utilisera 4 techniques de sélection de caractéristiques pour réduire considérablement la taille des données tout en conservant des caractéristiques significatives dans l’ensemble, et à améliorer la précision de la prédiction pour le modèle ML. La sélection des caractéristiques aide à une meilleure précision de prédiction de l’algorithme d’apprentissage automatique sur le trafic réseau sans fil, tout en offrant une interprétabilité globale du modèle de prédiction.

Un modèle réaliste basé sur l’apprentissage automatique pour la prédiction et la propagation des pannes dans les réseaux de réseaux intelligents

Les systèmes cyberphysiques (CPS) combinent les fonctions de communication et de technologie de l’information aux composants physiques d’un système afin de surveiller, de contrôler et d’automatiser. Le réseau électrique devient l’un des plus grands CPS, où les composantes du réseau sont contrôlées selon les synergies dans le cyberespace. Les CPS ont un grand potentiel pour améliorer l’efficacité et la productivité de nombreux secteurs au Canada et à travers le monde. Cependant, la cybersécurité est une préoccupation majeure dans le CPS, y compris dans le réseau intelligent, où une intrusion dans une partie du système peut causer une défaillance de l’ensemble du réseau si elle n’est pas détectée et traitée rapidement. L’objectif principal de ce projet de recherche est de développer un modèle réaliste permettant la mise en œuvre d’algorithmes basés sur l’apprentissage automatique pour détecter les cyberattaques dans un environnement de réseau intelligent.

Technologies blockchain sécurisées

Ces dernières années, les technologies blockchain se sont révélées prometteuses comme infrastructure pour un échange d’actifs numériques anonymes et sans confiance décentralisé. Cette technologie promet de transformer la manière dont les données sont partagées dans de nombreux domaines, notamment le secteur financier, l’assurance et les industries du jeu. Pourtant, plusieurs obstacles empêchent l’adoption grand public de cette technologie – l’un de ces défis est la sécurité. Pour faciliter la collecte et la gestion fiables des données en blockchain, il est essentiel d’assurer une communication sécurisée.
La théorie cryptographique sous-jacente de la blockchain rend difficile pour un adversaire de modifier la provenance des données. Pourtant, la technologie n’est pas à l’abri de l’accès non autorisé, des modifications et de la répudiation de l’origine. Cette recherche vise à résoudre ces problèmes de sécurité et à développer des méthodologies pour prédire, suivre et analyser les utilisateurs suspects, leur comportement et les menaces correspondantes dans la blockchain.

Incorporation de produits alimentaires intermédiaires d’algues dans le yogourt : Impact sur les propriétés fonctionnelles, sensorielles, sur la qualité nutritionnelle et sur la conservation

Les algues sont considérées comme un aliment à haute valeur nutritive. Cependant, la consommation de ces dernières en tant qu’aliments est peu répandue dans les pays occidentaux. Une manière d’augmenter l’apport en algues serait de les incorporer dans des produits traditionnels. Pour ce faire, il est possible de préparer des produits alimentaires intermédiaires (PAI) d’algues sous forme de farines ou de flocons, qui seront livrés à d’autres entreprises alimentaires pour la préparation des produits finis enrichis en algues. Cependant, peu d’études ont été consacrées à mesurer l’effet de l’ajout d’algues sur les propriétés des yogourts. La stagiaire évaluera l’impact de l’incorporation d’algues du Québec dans le yogourt sur ses propriétés fonctionnelles, sensorielles, sur sa qualité nutritionnelle et sa conservation. Ces travaux permettront à l’organisme partenaire de guider des producteurs et transformateurs d’algues dans la diversification de leurs activités.

Design of porous hydrogels for biomedical applications

Les hydrogels biocompatibles sont utilisés depuis longtemps dans des applications biomédicales (par exemple, microporteurs pour la croissance cellulaire adhérente; véhicules de délivrance de médicaments). Pour ces applications, la taille contrôlée des pores et l’interconnectivité des pores sont des paramètres importants. Le projet vise à mieux caractériser plusieurs stratégies physicochimiques pour la génération des pores. Ensuite, comme second objectif, l’influence de la taille des pores sur la croissance/survie cellulaire ou la délivrance de médicaments sera étudiée.

Tableau de bord de l’accessibilité financière – Vancouver

Le VEC, dans l’égide de son laboratoire de transformation économique et en partenariat avec la SFU et le MITACS, cherche à rechercher, concevoir et publier un tableau de bord d’abordabilité qui regroupe tous les indicateurs et statistiques importants sur l’abordabilité, pertinents pour les entreprises et les talents de Vancouver. Le tableau de bord ne se concentrera pas seulement sur l’accessibilité des bureaux, du commerce de détail et des espaces industriels, ainsi que sur d’autres indicateurs pertinents d’accessibilité opérationnelle, mais contiendra aussi des indicateurs d’accessibilité qui informeront les entreprises du coût de la vie pour leurs talents. Le tableau de bord inclura également des comparaisons comparées à d’autres villes « paires »; les villes de comparaison seront identifiées par des similarités de population urbaine, de marque, de PIB, etc. L’objectif derrière ce tableau de bord est de rendre tous les indicateurs disponibles en un seul endroit pour aider les entreprises et les talents à informer les entreprises et les talents des conditions actuelles d’accessibilité.