Un nanopore artificiel est une ouverture de taille nanométrique faite dans un film mince synthétique (polymère ou inorganique). Un nanopore unique peut être considéré comme l’élément simple constitutif d’une membrane. Les récentes avancées dans ce domaine ont ouvert des opportunités pour développer des outils pour la détection de molécules cibles à faible concentration (fmol L-1), en temps réel. Les nanopores artificiels s’inspirent des canaux biologiques situés dans la membrane cellulaire. Ces derniers permettent le transport d’ions ou de molécules entre les milieux intra- et extra-cellulaires, grâce à leurs fortes sélectivités ou leurs propriétés d’ouverture/fermeture. Comparé à leurs homologues biologiques, les limitations des nanopores solides sont leurs manques de sélectivité et de réponse aux stimuli extérieurs. Toutefois, les nanopores solides ont l’avantage d’être beaucoup plus résistant, robuste et facile à manipuler que les pores biologiques. Ainsi la fonctionnalisation de leur surface, avec des systèmes plus ou moins complexes, permettrait d’améliorer à la fois leurs propriétés de transport sélectif, leurs capacités de détection de biomolécules ou encore d’étudier plus précisément les mécanismes fondamentaux du transport des macromolécules en milieu confiné.Dans cette thèse, nous avons conçu dans un premier temps des nanopores bi-fonctionnels, répondant au pH, et à l’attache d’un ligand. Pour fabriquer ces nanopores bi-fonctionnels, nous avons utilisé un système biotine-avidine fixé dans des nanopores polymères. Nous avons démontré qu’il est possible de moduler l’ouverture et la fermeture du nanopore avec le pH de façon réversible. De plus, il est possible de détecter des protéines biotinylées et des anticorps par l’analyse des rectifications de courant. Le principal défaut de cette stratégie est son irréversibilité. En utilisant une stratégie similaire combinée avec des polyélectrolytes, nous avons obtenu des fonctionnalisations réversibles. Ils permettent de moduler la sélectivité ionique du pore et les propriétés de conduction en fonction du pH et de ligand. Dans un second temps, nous nous sommes intéressés aux questions fondamentales de la translocation de polynucléotide, plus précisément de l’analyse de l’influence de l’état de surface du nanopore (hydrophobicité, charge), dans les conditions où la distance de Debye devient équivalente au diamètre du nanopore. Nous avons démontré que si le nanopore présente la même charge que la PolyAdénosine et la PolyCytosine, la vitesse de passage de la molécule augmente et la barrière globale d’énergie d’entrée du nanopore diminue par rapport au nanopore non-chargé hydrophobe. Ensuite, en modifiant la surface d’un nanopore en PET, nous avons montré qu’il est possible de détecter des brins simples et doubles d’ADN très courts (10 à 40 bases). Enfin, nous avons tenté une fonctionnalisation de nanopores pour éviter l’adsorption non spécifique des protéines afin d’étudier la translocation de longs fibrilles d’amyloïdes de lysozyme. Cet objectif n’a pas été complètement atteint compte tenu des résultats qui ne permettent pas d’affirmer quand au passage des molécules à travers le pore.Dans cette thèse nous nous sommes attachés à montrer l’intérêt et la nécessité de fonctionnaliser les pores, aussi bien pour obtenir des nanopores biomimétiques stimuli-répondants (pH et ligand) ou anti-bioadhérants que pour des études fondamentales de transport. Il est également facile de transposer cette technique à des membranes multipores. Il est donc possible de concevoir des membranes optimisées pour des applications de séparation ionique, de capture de molécules cibles ou plus généralement de filtration. / Artificial nanopores are nanometer sized aperture made in synthetic thin films (polymer or inorganic). A single nanopore can be considered as a constitutive element from membranes. Recent advances in this field are bringing new tools for real time detection of target molecules at low concentration (fmol L-1). Biological channels inside the cell membrane are used as models to design solid-state nanopores. They allow ions or molecules transport through intra- and extra-cellular side, thanks to their high selectivity and their gating properties. Compared to their biological counterparts, limitations of the synthetic nanopores are their lack of selectivity and unresponsiveness towards external stimuli. However, the solid state presents several advantages compared to the biological ones, such as nanopores robustness, the control of the number of pores and a long lifetime (several days or weeks). Thus their surface functionalization would increase their selective transport properties, their abilities to detect biomolecules or to study more in details their fundamental mechanisms.In this thesis, we design first bi-functional nanopores, pH- and ligand-gated. To do it, we used biotin-avidin system grafted inside a polymeric nanopore. We demonstrated that it is possible to reversibly gate the nanopore with pH modulation. Moreover, we are able to detect protein labeled with biotin and antibodies by analyzing the current rectification. The major drawback comes from the irreversibility of its covalent bonds. By using a similar concept combined with polyelectrolytes, we obtain a reversible functionalization. Depending on the ligand, the ionic selectivity and the conduction properties can be modulated. Next, we focused on fundamental questions regarding polynucleotides translocation, and more precisely on the influence of the surface state of the nanopore (hydrophobicity, charge) when the Debye distance is similar to the pore diameter. We show that if the nanopore has the same charge as the polyAdenosine or polyCytosine, the translocation time decreases, and the energy barrier of entrance decreases compared to an uncharged hydrophobic nanopore. Then, by modifying the surface of the nanopore made in PET film, we are able to detect short single and double strand of DNA (10 to 40 bases). Finally, we tried to functionalize PET nanopores to avoid unspecific adsorption of proteins and to study the translocation of long fibrils of amyloids from lysozyme. This goal has not been entirely reach since we cannot claim that the fibrils translocate through the pore.In this thesis we show the interest and the need to functionalize the nanopores, to obtain biomimetic stimuli-responsive (pH and ligand), to avoid unspecific adsorption or to study transport properties with the nanopore. It is easy to upscale those techniques to multipores membranes. Thus it is possible to design membranes to enhance their ionic separation, target molecule detection or more generally filtration applications.

Cette thèse présente une nouvelle approche pour la détection de failles sismiques. Notre but est d'améliorer la qualité de détection en calculant les attributs classiques sur un support basé sur les connaissances a priori des objets. Plusieurs supports sont considérés : le filtrage linéaire utilisant des segments de longueur fixe et de direction variable, ainsi qu’un algorithme stochastique : les processus objet. Pour simuler ces processus, on propose deux modèles : soit utilisant une chaîne de segments, soit utilisant une courbe pour décrire une faille. Une des intérêts de cette méthode est qu’elle offre la possibilité d’utiliser un support commun pour les différents détecteurs de failles. On peut donc envisager un système pour fusionner les différents attributs utilisant les processus objet. / This thesis presents a new approach for seismic fault detection. Its goal is to increase the detection accuracy by computing some classical attributes on a support founded on an a priori knowledge about the faults. Several forms of support are proposed: a linear filtering method using fixed length segments of variable direction, respectively using a stochastic algorithm: the marked point processes. To simulate this process we propose two object models, using a network of connected linear segments and a more complex curved support which aims to describe each fault using one object. One interest of this approach is the possibility of using a common support for different fault detection operators. Then a whole detection framework can be proposed which acts like a decision fusion process.

La détection d'anomalies est une tâche critique de l'administration des réseaux. L'apparition continue de nouvelles anomalies et la nature changeante du trafic réseau compliquent de fait la détection d'anomalies. Les méthodes existantes de détection d'anomalies s'appuient sur une connaissance préalable du trafic : soit via des signatures créées à partir d'anomalies connues, soit via un profil de normalité. Ces deux approches sont limitées : la première ne peut détecter les nouvelles anomalies et la seconde requiert une constante mise à jour de son profil de normalité. Ces deux aspects limitent de façon importante l'efficacité des méthodes de détection existantes.Nous présentons une approche non-supervisée qui permet de détecter et caractériser les anomalies réseaux de façon autonome. Notre approche utilise des techniques de partitionnement afin d'identifier les flux anormaux. Nous proposons également plusieurs techniques qui permettent de traiter les anomalies extraites pour faciliter la tâche des opérateurs. Nous évaluons les performances de notre système sur des traces de trafic réel issues de la base de trace MAWI. Les résultats obtenus mettent en évidence la possibilité de mettre en place des systèmes de détection d'anomalies autonomes et fonctionnant sans connaissance préalable / Anomaly detection has become a vital component of any network in today’s Internet. Ranging from non-malicious unexpected events such as flash-crowds and failures, to network attacks such as denials-of-service and network scans, network traffic anomalies can have serious detrimental effects on the performance and integrity of the network. The continuous arising of new anomalies and attacks create a continuous challenge to cope with events that put the network integrity at risk. Moreover, the inner polymorphic nature of traffic caused, among other things, by a highly changing protocol landscape, complicates anomaly detection system's task. In fact, most network anomaly detection systems proposed so far employ knowledge-dependent techniques, using either misuse detection signature-based detection methods or anomaly detection relying on supervised-learning techniques. However, both approaches present major limitations: the former fails to detect and characterize unknown anomalies (letting the network unprotected for long periods) and the latter requires training over labeled normal traffic, which is a difficult and expensive stage that need to be updated on a regular basis to follow network traffic evolution. Such limitations impose a serious bottleneck to the previously presented problem.We introduce an unsupervised approach to detect and characterize network anomalies, without relying on signatures, statistical training, or labeled traffic, which represents a significant step towards the autonomy of networks. Unsupervised detection is accomplished by means of robust data-clustering techniques, combining Sub-Space clustering with Evidence Accumulation or Inter-Clustering Results Association, to blindly identify anomalies in traffic flows. Correlating the results of several unsupervised detections is also performed to improve detection robustness. The correlation results are further used along other anomaly characteristics to build an anomaly hierarchy in terms of dangerousness. Characterization is then achieved by building efficient filtering rules to describe a detected anomaly. The detection and characterization performances and sensitivities to parameters are evaluated over a substantial subset of the MAWI repository which contains real network traffic traces.Our work shows that unsupervised learning techniques allow anomaly detection systems to isolate anomalous traffic without any previous knowledge. We think that this contribution constitutes a great step towards autonomous network anomaly detection.This PhD thesis has been funded through the ECODE project by the European Commission under the Framework Programme 7. The goal of this project is to develop, implement, and validate experimentally a cognitive routing system that meet the challenges experienced by the Internet in terms of manageability and security, availability and accountability, as well as routing system scalability and quality. The concerned use case inside the ECODE project is network anomaly

Les méthodes connues de détection des virus dans l’air sont complexes et ne permettent pas de détecter rapidement plusieurs types de virus à la fois. De plus, peu d’informations sont disponibles concernant l’efficacité des échantillonneurs à récolter et à préserver l’infectivité des virus. Ce projet avait pour objectif d’étudier la détection des virus dans l’air basée sur la présence d’un marqueur enzymatique, soit la neuraminidase. Une enzyme purifiée et des souches de virus influenza ont été utilisés comme modèles. L’efficacité de trois échantillonneurs à récolter les virus dans l’air a été comparée et les effets de l’aérosolisation et de l’échantillonnage dans deux chambres d’aérosolisation sur l’acitivité de la neuraminidase et sur l’infectivité des virus ont été étudiés. Les résultats obtenus démontent la stabilité de la neuraminidase et valident son utilisation comme marqueur enzymatique pour la détection générique, simple, rapide et abordable des virus dans des échantillons d’air. / The known methods for the detection of viruses in the air are complex and do not allow to quickly detect several types of viruses at the same time. In addition, little information is available regarding the effectiveness of samplers to collect and preserve the infectivity of the viruses. This project aimed to investigate the detection of viruses in the air based on the presence of an enzymatic label, the neuraminidase. A purified enzyme and strains of influenza viruses were used as models. The effectiveness of three samplers to collect the viruses in the air and was compared and the effects of aerosolization and sampling in two aerosolization chambers on neuraminidase activity and viruses infectivity were studied. The results obtained demonstrate the stability of the neuraminidase and validate its use as an enzymatic marker for the generic, simple, fast and affordable detection of viruses in air samples.

La détection des données hors distribution (en anglais Out-of-Distribution, OOD) est un défi crucial en apprentissage automatique, essentiel pour garantir la fiabilité et la sécurité des modèles dans les applications du monde réel. Cette thèse explore l'utilisation des réseaux antagonistes génératifs (Generative Adversarial Networks, GANs) pour la détection des données OOD. Les GANs, connus pour leur capacité à générer des données synthétiques réalistes, se composent d'un générateur qui produit des données et d'un discriminateur qui distingue entre les données réelles et générées. Entraînés sur des données en distribution (en anglais in-distribution, ID), les GANs pourraient offrir une approche prometteuse pour identifier les échantillons OOD. Le premier chapitre fournit une introduction à l'apprentissage automatique et au problème de détection des données OOD. Il définit les concepts clés, souligne l'importance d'une détection efficace des données OOD et présente des métriques d'évaluation pour évaluer les détecteurs OOD. De plus, il discute des différentes mesures de distance entre distributions, jetant les bases de la compréhension des opérations des GANs. Le deuxième chapitre explore les fondements théoriques des GANs, détaillant leur architecture et leur processus d'entraînement antagoniste. Ce chapitre couvre également les métriques d'évaluation des performances des GANs, offrant une compréhension approfondie de leurs forces et de leurs limites. Dans le troisième chapitre, nous introduisons le GAN Entropique (E-GAN), une nouvelle approche pour la détection des données OOD. Dans l'E-GAN, nous modifions la fonction de perte traditionnelle des GANs pour inclure la régularisation de l'entropie, permettant ainsi au générateur de produire à la fois des données ID et OOD. Cela permet au discriminateur de fonctionner comme un classificateur binaire efficace, distinguant entre les échantillons ID et OOD. Nous présentons des résultats expérimentaux démontrant l'efficacité de l'E-GAN et analysons l'impact de la variation des hyperparamètres clés. Le chapitre se termine par une discussion sur les limites de notre approche et les voies potentielles pour des recherches futures. Cette thèse propose une méthode novatrice pour améliorer la détection des données OOD en utilisant les GANs. En introduisant la régularisation de l'entropie dans la structure des GANs, nous améliorons la capacité du modèle à distinguer entre les données ID et OOD, contribuant ainsi au développement de systèmes d'apprentissage automatique plus fiables et sûrs. / Out-of-Distribution (OOD) detection is a critical challenge in machine learning, vital for ensuring the reliability and safety of models in real-world applications. This thesis explores the use of Generative Adversarial Networks (GANs) for OOD detection. GANs, known for their ability to generate realistic synthetic data, consist of a generator that produces data and a discriminator that differentiates between real and generated data. Trained on in-distribution (ID) data, GANs could offer a promising approach for identifying OOD samples. The first chapter provides a comprehensive introduction to machine learning and the OOD detection problem. It defines key concepts, emphasizes the importance of effective OOD detection, and introduces evaluation metrics for assessing OOD detectors. Additionally, it discusses various distance measures between distributions, laying the groundwork for understanding GAN operations. The second chapter delves into the theoretical foundations of GANs, detailing their architecture and adversarial training process. This chapter also covers evaluation metrics for GAN performance, offering a thorough understanding of their strengths and limitations. In the third chapter, we introduce the Entropic GAN (E-GAN), a novel approach for OOD detection. In E-GAN, we modify the traditional GAN loss function to include entropy regularization, enabling the generator to produce both ID and OOD data. This allows the discriminator to function as an effective binary classifier, distinguishing between ID and OOD samples. We present experimental results demonstrating the efficacy of E-GAN and analyze the impact of varying key hyperparameters. The chapter concludes with a discussion on the limitations of our approach and potential avenues for future research. This thesis proposes a novel method for improving OOD detection using GANs. By introducing entropy regularization into the GAN framework, we enhance the model's ability to distinguish between ID and OOD data.

Les études pharmacocinétiques réalisées grâce à la tomographie d’émission par positrons chez le petit animal requièrent la mesure de la concentration du radiotraceur dans le sang, la fonction d’entrée, pendant la séquence d’imagerie. Un détecteur de positrons placé sur une canule prélevant le sang de l’animal a été démontré comme un moyen avantageux de mesurer la fonction d’entrée chez les rongeurs, mais souffre d’une efficacité de détection limitée. Une nouvelle génération de compteur a été développée afin de surmonter ce problème. Des cartouches microfluidiques, fabriquées par impression 3D dans un matériau biocompatible, remplacent les cathéters traditionnellement utilisés et permettent de diminuer la perte d’énergie des positrons dans les parois. De plus, un circuit de différentiation, implanté via une topologie d’amplificateur d’instrumentation, permet la suppression du bruit induit par le fluide conducteur présent entre une paire de détecteurs opposés. Le système est ainsi beaucoup moins vulnérable que ses prédécesseurs aux interférences électromagnétiques présentes dans l’environnement expérimental. L’efficacité de détection du système utilisant un seul détecteur avec un cathéter PE-50 a été caractérisée comme étant de 17,3 % pour le [indice supérieur 18]F, 25,2 % pour le [indice supérieur 11]C et 1,3 % pour le [indice supérieur 99m]Tc, soit des augmentations de facteurs 4, 2 et 6,5 respectivement, lorsque comparé au système en cathéter antérieur. Une caractérisation subséquente à deux détecteurs a vu les efficacités de détection du [indice supérieur 18]F et du [indice supérieur 11]C augmenter d’un facteur 1,9, soit presque doubler. Une diffusion du liquide hors du microcanal a été observée lors de l’utilisation des cartouches microfluidiques, ce qui modifie le volume de détection au cours de l’acquisition et rend impossible la détermination de l’efficacité de détection avec un microcanal. Bien que ceci démontre que la technologie d’impression 3D choisie est inadaptée à l’utilisation dans une application microfluidique, de récents développements dans le domaine font de la stéréolithographie un remplacement fort prometteur pour la fabrication de microcanaux. L’utilisation de cathéters de polyimide avec parois très minces, comme alternative à la microfluidique, a entraîné des augmentations d’efficacité de détection de 3,2 % et 5,7 % pour les isotopes [indice supérieur 18]F et [indice supérieur 11]C respectivement. L’effet du cathéter de polyimide est encore plus marquant avec le [indice supérieur 99m]Tc, faisant passer l’efficacité de détection de 1,0 % à 1,8 %. Ce fort gain s’explique par la détection d’électrons de conversion de faible énergie, indétectables avec un cathéter traditionnel. De plus, l’utilisation d’un unique cathéter élimine la complexité inhérente au raccord entre un cathéter et une composante microfluidique. L’appareil développé permettra une mesure plus précise de la fonction d’entrée et, utilisé de pair avec des techniques d’imagerie moléculaire, facilitera les études pharmacocinétiques visant le développement de nouveaux traitements et radiotraceurs.

La Matière Sombre représente une des quêtes les plus importantes pour la compréhension des constituants élémentaires de l'Univers: la nature de la Matière Sombre est toujours mystérieuse. La dernière décennie a connu des développements expérimentaux remarquables dans la recherche de la Matière Sombre. Le but de ce travail est l'étude de candidats de Matière Sombre de nature supersymétrique (le neutralino) et au-delà (les particules scalaires), et de leurs aspects phénoménologiques et d'astroparticules. Le neutralino, dans l'intervalle de masses 1-100 GeV, est testé par les expériences du Grand Collisionneur d'Hadrons, de détection directe et de détection indirecte; ce travail montre que la combinaison de ces techniques est un outil décisif pour une recherche minutieuse des prédictions théoriques. Les particules scalaires sont des candidats non-standards de masses jusqu'à 1 MeV qui pourraient être produits abondamment dans le Grand Collisionneur d'Hadrons, et au même temps expliquer d'autres phénomènes tels que la masse des neutrinos et/ou le signal à 511 keV provenant du centre galactique de la Voie Lactée.

L'objectif de cette thèse est de proposer des méthodes non-paramétriques de détection rétrospective de ruptures. L'application principale de cette étude est la détection d'attaques dans les réseaux informatiques à partir de données recueillies par plusieurs sondes disséminées dans le réseau. Nous proposons dans un premier temps une méthode en trois étapes de détection décentralisée d'anomalies faisant coopérer des sondes n'ayant accès qu'à une partie du trafic réseau. Un des avantages de cette approche est la possibilité de traiter un flux massif de données, ce qui est permis par une étape de filtrage par records. Un traitement local est effectué dans chaque sonde, et une synthèse est réalisée dans un centre de fusion. La détection est effectuée à l'aide d'un test de rang qui est inspiré par le test de rang de Wilcoxon et étendu aux données censurées. Dans une seconde partie, nous proposons d'exploiter les relations de dépendance entre les données recueillies par les différents capteurs afin d'améliorer les performances de détection. Nous proposons ainsi une méthode non-paramétrique de détection d'une ou plusieurs ruptures dans un signal multidimensionnel. Cette méthode s'appuie sur un test d'homogénéité utilisant un test de rang multivarié. Nous décrivons les propriétés asymptotiques de ce test ainsi que ses performances sur divers jeux de données (bio-informatiques, économétriques ou réseau). La méthode proposée obtient de très bons résultats, en particulier lorsque la distribution des données est atypique (par exemple en présence de valeurs aberrantes).

Ce document constitue un dossier de demande d'inscription a l'Habilitation a Diriger des Recherches. Il résume 10 années d'activités professionnelles passées en tant qu'enseignant-chercheur sur le campus de Rennes de Supelec. Ce document est constitue de deux parties. La première partie propose une présentation du candidat qui prend la forme d'un curriculum vitæ, d'une présentation des activités d'enseignement et d'une présentation des activités de recherche. L'ensemble se termine par une liste de publications. La seconde partie est une synthèse d'une partie des activités de recherche menées ces dix dernières années. Un état de l'art pose les concepts sur lesquels reposent ces travaux. Ensuite quatre activités de recherche sont présentées, chacune d'elle mettant en évidence la pertinence de certaines techniques de détection d'erreur dans le domaine de la détection d'intrusion.

Cette thèse porte sur la fonction de détection d'obstacles dans le domaine ferroviaire à partir de la vision par ordinateur. Il s'agit d'assurer une perception de l'environnement situé à l'avant du train afin de détecter et d'évaluer les distances des obstacles situés sur la voie.Nous avons donc proposé un module détection de rails à partir des images à niveaux de gris, pour déterminer une zone libre d'obstacles à l'avant du train. Cette détection est basée dans l'algorithme de RANSAC et une estimation de la voie par un polynôme de degré 2. Elle s'est montrée robuste à notre base de données et a permis de détecter les rails à des distances supérieures à la distance d'arrêt. Aussi, un algorithme d'étalonnage des caméras installées dans le train a été proposé à partir de la morphologie de la voie.Comme support de la reconnaissance de rails, nous présentons un module de détection et classification des appareils de voie basé dans le descripteur HOG extrait des images IPM (Inverse Perspective Mapping). Un classifieur SVM (Support Vector Machines) binaire a été utilisé pour la détection et un SVM multi-classe pour différencier les appareils de voie existants sur la ligne.Après avoir élaboré le module de détection des rails, nous avons implémenté un détecteur de trains. À partir d'un échantillon des images de trains de la ligne en question et des images négatives comme des voitures ou des bus, nous avons créé une base de données d'obstacles pour trouver un descripteur robuste qui arrive à décrire la forme des trains et permet à un classifieur SVM de discriminer les images et détecter les trains. Par la suite, ce classifieur est utilisé par le système global pour déterminer la présence d'un train au-delà de la détection de la voie. À la distance maximale de détection, un rectangle de la taille d'un train est extrait de l'image pour vérifier la présence d'un train. Ces rectangles font l'objet d'une classification au moyen de descripteurs globaux de type HOG et une structure SVM binaire.Cette étude permettra non seulement de déboucher sur des applications concrètes, mais surtout d'évaluer la maturité des technologies de traitements d'images pour réaliser des fonctions sûres appliquées aux systèmes ferroviaires.