BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.4//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20261009T133000
DTEND;TZID=Europe/Paris:20261009T133000
DTSTAMP:20260824T085037Z
CREATED:20260728T081229Z
LAST-MODIFIED:20260824T085037Z
UID:29639-1791552600-1791552600@www.loria.fr
SUMMARY:Soutenance de thèse : Franco Terranova (équipe Resist)
DESCRIPTION:Franco Terranova (équipe Resist)\, soutiendra sa thèse le 9 octobre 2026 à 13 h 30 en salle A008\, avec un exposé intitulé  \n« Graph Reinforcement Learning for Automated Attack Surface Discovery in Networked Systems « .\n\nComposition du jury :\n\nRapporteurs :\nAnna Sperotto\, Professeure\, University of Twente\nMarco Anisetti\, Professeur\, Università degli Studi di Milano\nExaminateurs :\nBernardetta Addis\, Professeure\, Université de Lorraine\nJulien Francq\, Chercheur\, Naval Group\nDirectrice de thèse :\nIsabelle Chrisment\, Professeure\, Université de Lorraine\nCo-directeur de thèse :\nAbdelkader Lahmadi\, Professeur\, Université de Lorraine\n\nRésumé vulgarisé :\nLes infrastructures numériques deviennent de plus en plus complexes\, et leur évolution s’accompagne d’une augmentation des vulnérabilités exploitables par des cyberattaquants. Toutefois\, toutes les vulnérabilités ne présentent pas le même niveau de risque : une faiblesse peut devenir critique lorsqu’elle permet de compromettre des composants essentiels d’un système en réseau.\nCette thèse étudie comment l’intelligence artificielle\, et plus particulièrement l’apprentissage par renforcement\, peut contribuer à comprendre et anticiper les stratégies d’attaque dans les réseaux et applications déployés. Elle propose des environnements de simulation réalistes et des méthodes d’apprentissage évolutives permettant d’identifier les chemins d’attaque critiques. Ces derniers permettent de prioriser les vulnérabilités selon leur impact contextuel plutôt que leur seule sévérité. La thèse présente enfin des mécanismes permettant l’intégration de ces résultats dans des contextes opérationnels. \n\n\nVulgarized :\nDigital infrastructures are becoming increasingly complex\, and their evolution is accompanied by a growing number of vulnerabilities exploitable by cyber attackers. However\, not all vulnerabilities present the same level of risk: a weakness can become critical when it enables the compromise of essential components within a networked system.\nThis thesis investigates how artificial intelligence\, and more specifically reinforcement learning\, can contribute to understanding and anticipating attack strategies in deployed networks and applications. The work introduces realistic simulation environments and scalable learning methods to identify critical attack paths. These paths enable vulnerability prioritization based on their contextual impact rather than their severity alone. Finally\, the thesis presents mechanisms for integrating these results into operational contexts.
URL:https://www.loria.fr/event/franco-terranova-equipe-resist/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR