Note ABES Monitoring for detection and localization of cyber attacks in wireless networks Surveillance pour la détection et la localisation des cyberattaques dans les réseaux sans fil Surveillance Détection Localisation Cyberattaques Monitoring Attacks Wireless Networks Cyberterrorisme Localisation Hacking Systèmes de détection d'intrusion (informatique) Systèmes de communication sans fil Mesures de sûreté Accès -- Contrôle Internet des objets Fiabilité Drones Localisation Détection des anomalies (informatique) Fusion multicapteurs Systèmes d'identification par radiofréquence Conception cross-layer Apprentissage automatique À l'ère de la connectivité sans fil omniprésente, des milliards d'appareils intelligents et de capteurs s'interconnectent de manière transparente pour former l'Internet des objets (IoT). Cette ubiquité des technologies sans fil offre d'immenses avantages, mais expose également de nouvelles vulnérabilités cyber-physiques. Cette thèse explore des techniques de surveillance avancées pour détecter et localiser les cyberattaques dans les réseaux sans fil, en répondant à des menaces allant des drones malveillants franchissant les périmètres physiques aux dispositifs usurpateurs imitant des nœuds légitimes du réseau. Nous adoptons une approche en deux volets. La première partie de la thèse est consacrée à la détection des intrusions physiques : nous développons un système de détection de drones audio-visuel qui fusionne les signatures acoustiques et les images infrarouges via des réseaux de neurones profonds afin de surmonter les limites des systèmes à capteur unique. Nous introduisons également TRIDENT, un moteur de détection d'intrusion trimodal combinant les signaux audio, vidéo et radiofréquence (RF) pour une détection en temps réel des cibles aériennes non autorisées.La seconde partie se concentre sur l'authentification des dispositifs au niveau de la couche physique : nous concevons un schéma hybride d'authentification, assisté par apprentissage automatique, exploitant les imperfections intrinsèques du matériel radio (par exemple, les décalages d'oscillateur) pour vérifier de manière robuste les dispositifs sans fil dans des réseaux multi-nœuds. Nous proposons également une technique d'empreinte RF multi-bande capable de distinguer une multitude d'appareils IoT—comme retrouver une aiguille dans une botte de foin spectrale—même dans des conditions de canal dynamiques. À travers des expérimentations et évaluations approfondies, nos contributions démontrent une précision de détection accrue, des temps de réponse rapides et une meilleure résilience face aux conditions adverses. Ensemble, ces résultats font progresser l'état de l'art en matière de sécurité de l'IoT, en fournissant des défenses multicouches qui renforcent à la fois la sécurité physique de l'environnement et la fiabilité des communications sans fil. In an era of pervasive wireless connectivity, billions of smart devices and sensors seamlessly interlink to form the Internet of Things (IoT). This ubiquity of wireless technology brings immense benefits but also exposes new cyber-physical vulnerabilities. This dissertation investigates advanced monitoring techniques to detect and localize cyber attacks in wireless networks, addressing threats ranging from rogue drones breaching physical perimeters to impostor devices mimicking legitimate network nodes. We pursue a two-pronged approach. Part I of the thesis focuses on physical intrusion detection: we develop an audio-visual drone detection framework that fuses acoustic signatures and infrared imagery via deep learning to overcome the limitations of single-sensor systems, and we introduce TRIDENT, a tri-modal intrusion detection engine that combines audio, video, and Radio Frequency (RF) signals for real-time detection of unauthorized aerial targets. Part II concentrates on physical-layer device authentication: we design a machine learning-assisted hybrid physical-layer authentication scheme that leverages inherent radio hardware impairments (e.g., oscillator offsets) to robustly verify wireless devices in multi-node networks, and we propose a multi-band RF fingerprinting technique capable of distinguishing myriad IoT devices—like finding a needle in the spectrum haystack—even under dynamic channel conditions. Through comprehensive experiments and evaluations, our contributions demonstrate enhanced detection accuracy, rapid response times, and improved resilience against adversarial conditions. Collectively, these results advance the state of the art in IoT security, providing layered defenses that augment both the physical security of the environment and the trustworthiness of wireless communications. Electronic Thesis or Dissertation Text en PDF 15147265 https://pepite-depot.univ-lille.fr/LIBRE/EDMADIS/2025/2025ULILB014.pdf http://www.theses.fr/2025ULILB014/abes https://theses.hal.science/tel-05383911 https://theses.hal.science/tel-05383911 https://theses.hal.science/tel-05383911 Alla Ildi Alla 1997-10-25 AL 292145322 https://theses.fr/2025ULILB014 2025ULILB014 https://doi.org/10.70675/466627eez20c6z4ee8zb4d8z4bfe382e1d92 2025-09-19 Informatique et applications Université de Lille (2022-....) 259265152 Doctorat Docteur es non oui Loscrì Valeria MADS_DIRECTEUR_DE_THESE_1 19753399X Chorti Arsenia MADS_PRESIDENT_DU_JURY 241112486 Francillon Aurélien MADS_MEMBRE_DU_JURY_1 197695663 Chrisment Isabelle MADS_MEMBRE_DU_JURY_2 154525707 Jakllari Gentian MADS_RAPPORTEUR_1 184945445 Meo Michela MADS_RAPPORTEUR_2 24157353X École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....) MADS_ECOLE_DOCTORALE_1 258621362 Centre Inria de l'Université de Lille MADS_PARTENAIRE_DE_RECHERCHE_1 104752 185432247 Institut national de recherche en informatique et en automatique (France ; 1979-....) MADS_PARTENAIRE_DE_RECHERCHE_2 026489171 ddc:004 Loscrì Valeria Chorti Arsenia Francillon Aurélien Chrisment Isabelle Jakllari Gentian Meo Michela École graduée Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....) Centre Inria de l'Université de Lille Institut national de recherche en informatique et en automatique (France ; 1979-....) PDF 15147265