book de stages prévisionnels ingénieur 2019 - 2020€¦ · book de stages prévisionnels...

67
DGA MAÎTRISE DE L’INFORMATION 136, La Roche Marguerite 35170 BRUZ [email protected] Book de stages prévisionnels 2021 DGA Maîtrise de l’information à BRUZ près de RENNES (35)

Upload: others

Post on 21-Sep-2020

9 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA MAÎTRISE DE L’INFORMATION 136, La Roche Marguerite 35170 [email protected]

Book de stages prévisionnels2021

DGA Maîtrise de l’informationà BRUZ près de RENNES (35)

Page 2: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

› Edito p.2

› DGA p.3

› DGA Maîtrise de l’information p.4

› Un environnement dynamique p.5

› Activités extra-professionnelles p.6

› Venez à notre rencontre p.7

› Comment postuler p.8

› Les fiches de stages p.9

› Index par mots clés ... fin

Mention : Ce book est une liste des stages prévisionnels pour l’année 2021 dans les différents domaines métiers à DGA Maîtrise de l’information. La liste définitive des stages validés sera publiée fin 2020 sur https://www.stages.defense.gouv.fr

Sommaire

Page 3: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

«DGA Maîtrise de l’information est un centre apprécié de ses clients, qui reconnaissent largement la qualité de ses prestations.

Avec notre positionnement sur des technologies d’avenir, cette reconnaissance nous a permis de connaître une forte croissance ces dernières années : nous comptons sur vous pour y contribuer dès les prochains mois !

»

Edito

2

Marie-Noëlle SclaferDirectrice DGA Maîtrise de l’information

Page 4: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

La DGA Direction Générale de l’Armement du ministère des Arméesest responsable de la conception, de l’acquisition et de l’évaluation des systèmes qui équipent les forces armées.

Retrouvez notre actualité

3

9800

DGA Techniques hydrodynamiquesVAL DE REUIL

DGA Essais propulseursSACLAY

DGA Techniques terrestresBOURGES

DGA Essais de missilesSAINT MÉDARD

DGA Essais en volCAZAUX

DGA Essais de missilesBISCARROSSE

DGA Techniques aéronautiquesTOULOUSE

DGA Essais en volISTRES

DGA Techniques navalesToulon

DGA Essais de missilesToulon + Île du Levant

DGA Techniques terrestresANGERS

DGA Maîtrise de l’informationRENNES

DGA Techniques navalesBREST

DGA Maîtrise NRBCVERT LE PETIT

DGA Ingénierie des projetsPARIS

Page 5: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’informationNos experts techniques travaillent dans les domaines innovants tels que les systèmes d’information et de communication, la cybersécurité, l’Intelligence Artificielle, la survivabilité des systèmes, la navigation, la guerre électronique et les systèmes de missiles.

4

1500

DGA Maîtrise de l’information Bruz -

Page 6: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Un environnement dynamique

› Exercer un métier technique passionnant comme vous ne le trouverez nulle part ailleurs et développer vos compétences dans divers domaines.

› Travailler sur un site de 100 hectares arboré où l’on peut se déplacer à vélo électrique et accessible par les transports en commun.

5

Page 7: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Activités extra-professionnelles

6

Page 8: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Venez à notre rencontre

7 X Forum écoles Bourges, Brest, Lyon, Paris, Rennes, Lannion

XBreizh CTF Rennes

X European Cyber Week Rennes

▼ Vivatech Paris

Page 9: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Comment postuler pour un stage ? › Liste définitive des stages :

https://www.stages.defense.gouv.fr

› Envoyer votre CV en français à [email protected]

› Préciser la référence du stage

› Durée : 2 à 6 mois

› Niveau : Bac +2 à Bac +5

8

Horvais
Page 10: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Les fiches de stages

› SSI : Cybersécurité, reverse, crypto, développement, caractérisation de la menace.

› ASC : Intelligence Artificielle, ergonomie, BigData.

› CGN : développement, traitement du signal, guerre électronique, radar, optronique.

› MAN : Missiles, statistiques, trajectoires.

› TEC : Télecom, réseaux, Intelligence Artificielle.

9

Page 11: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Les stages previsionnels

DGA Maîtrise de l’information 10 [email protected]

SSI-2021-DPS-1 Chaine de traitement LID d’evenements Windows au sein d’un SOC ______________ 12

SSI-2021-DPS-2 Securisation d’architectures Kubernetes ____________________________________________ 13

SSI-2021-EDS1-1 Environnements Android deconnectes _____________________________________________ 14

SSI-2021-EDS1-2 Optimisation d’applications Android _______________________________________________ 15

SSI-2021-EDS3-1 Integration Continue _________________________________________________________________ 16

SSI-2021-ICM-1 Analyse Massive de Firmware ________________________________________________________ 17

SSI-2021-ICM-2 Outils de traduction et de resume automatique _____________________________________ 18

SSI-2021-ICM-3 Outils d’aide a la veille et de collecte (web) __________________________________________ 19

SSI-2021-ICM-4 Extraction de triplet RDF dans des textes non structures __________________________ 20

SSI-2021-ICM-5 Correlation dans un graphe d’information/ connaissance _________________________ 21

SSI-2021-SCY-1 Implementation materielle d’un generateur d’empreinte numerique _____________ 22

SSI-2021-VIM-1 Recherche automatisee de gadgets dans l’embarque _______________________________ 23

SSI-2021-VSE-1 Analyse applicative et recherche de vulnerabilite ___________________________________ 24

SSI-2021-VSP-1 Diversification d’outils de test d’intrusion ___________________________________________ 25

SSI-2021-XCS-1 Reseau de neurones pour attaques par canaux auxiliaires _________________________ 26

SSI-2021-XEL-1 EÉ tude et developpement d’un analyseur de code ____________________________________ 27

SSI-2021-XIN-1 Evaluation Sonde HIPS _________________________________________________________________ 28

ASC2-2021-EORD-1 Modeles de localisation SAR ______________________________________________________ 29

ASC2-2021-IA2P-1 Etudes des vulnerabilites a base d’IA _____________________________________________ 30

ASC2-2021-IA2P-2 Auto-apprentissage pour le signal acoustique ___________________________________ 31

ASC2-2021-IA2P-3 Production d’images realistes _____________________________________________________ 32

ASC2-2021-IA2P-5 IA Deep Receiver ___________________________________________________________________ 33

ASC2-2021-IA2P-6 Reseaux generatifs adverses _______________________________________________________ 34

ASC2-2021-IA2P-7 Apprentisage de reseaux de neurones ____________________________________________ 35

ASC2-2021-IA2P-8 Decoupage automatique de videos ________________________________________________ 36

ASC2-2021-IA3D-1 Apprentissage reparti sur machine distribuee __________________________________ 37

Page 12: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

Les stages previsionnels

DGA Maîtrise de l’information 11 [email protected]

ASC2-2021-IA3D-2 Priorisation et orchestration des communications ______________________________ 38

ASC2-2021-IA3D-3 Detection d’intrusions par emissions de signaux compromettants ____________ 39

CGN1-2021-ERS-1 Donnees GHOM pour Simulation numerique Radar _____________________________ 40

CGN1-2021-GAC-1 Developpement d’outil d’echange de donnees ___________________________________ 41

CGN1-2021-GAC-2 Amelioration d’un outil d’analyse _________________________________________________ 42

CGN1-2021-GNS-1 Generateur de signaux telecom SDR synchrone __________________________________ 43

CGN1-2021-GNS-2 Outil de depouillement et de capitalisation d’essais _____________________________ 44

CGN1-2021-GNS-3 Simulation GE navale _______________________________________________________________ 45

CGN1-2021-GNS-4 Automatisation creation scenes electromagnetiques ____________________________ 46

CGN1-2021-RSE-1 Developpement micro-logiciel d’un systeme _____________________________________ 47

CGN1-2021-RSE-2 Traitement du signal, mesure de furtivite radar __________________________________ 48

CGN1-2021-RSE-3 Chambre anechoıque de mesures de furtivite radar _____________________________ 49

CGN2-2021-SDO-1 Exploitation de mesures de fonds de ciel nuageux _______________________________ 50

CGN2-2021-SDO-2 Etude variabilite des performances d’un imageur optronique reflectif ________ 51

CGN2-2021-SYSNAV-1 Etude des techniques d’astronavigation aeronautique ______________________ 52

CGN2-2021-RNAV-1 Etude de l’impact d’interferents sur des recepteurs GNSS _____________________ 53

CGN2-2021-TIS-1 Visee stellaire ________________________________________________________________________ 54

CGN2-2021-TIS-2 Migration et Developpement d’une application python __________________________ 55

CGN2-2021-TIS-3 Developpement d’un logiciel d’acquisition ________________________________________ 56

MAN-2021-CGP-1 Optimisation de trajectoires de drones de combat ________________________________ 57

MAN-2021-CGP-2 Developpement d’un parachute autonome ________________________________________ 58

MAN-2021-CVO-1 Demonstrateur HUMS _______________________________________________________________ 59

TEC-2021-SPC-1 Modelisation de la propagation ______________________________________________________ 60

TEC-2021-STR-1 Synchronisation frequentielle pour DSSS ___________________________________________ 61

TEC-2021-STR-2 Developpement d’un systeme de sondage de canal ________________________________ 62

Index _______________________________________________________________________________________________________ 64

Page 13: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 12 [email protected]

SSI-2021-DPS-1 Chaine de traitement LID d’évènements Windows au sein d’un SOC

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois DevOps SIEM BigData

Description du stage

L’Incubateur SOC DGA teste et met en œuvre différents types de techniques de détections dans le cadre de la LID (Lutte Informatique Défensive). Ces techniques sont mises en œuvre, testées et éprouvées sur des SI opérationnels, supervisés par l’Incubateur SOC DGA. Ce stage vise à mettre en œuvre un prototype de chaine de traitement LID d’évènements Windows de bout en bout. Cette chaine est composée :

• d’un module de collecte centralisée côté SAS (Système A Superviser) notamment au travers d’un WEC (Windows Events Collector) ;

• d’un module de normalisation et indexation des données collectées, avec une convergence vers un modèle de données de référence ;

• et enfin, d’un module de processing de détection et d’alerte. L’ensemble des briques de cette chaine LID s’appuiera exclusivement sur des suites Open Source, rattachées pour la plupart au domaine du Big Data (ElasticSearch, KAFKA, KSQL, Apache Spark). Le stage intégrera également une chaîne de validation d’ensemble au travers de tests d’attaque automatisés, via Atomic Red Team, qui visera à qualifier le niveau de détection final. Directement intégré à l’équipe de l’Incubateur SOC DGA, le candidat devra se montrer motivé et force de proposition sur les solutions envisagées.

Compétences indispensables Compétences souhaitées Compétences techniques : • Intégration de solutions, langages de script ; • Capacité à intégrer une vue d’ensemble d’un SI

complexe. Qualités personnelles: • Autonomie, Motivation, Travail en équipe.

• SIEM, composantes d’un SOC, • Intégration système de différentes briques

logicielles, • 1ère expérience (notamment au travers de

projets étudiants) sur certaines briques Big Data.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration Ce stage offre l’occasion d’intégrer le domaine porteur de la cybersécurité.

Page 14: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 13 [email protected]

SSI-2021-DPS-2 Sécurisation d’architectures Kubernetes

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Container Kubernetes Sécurisation

Description du stage

Les architectures de systèmes d’information reposant sur des micro-services sont de plus en plus fréquentes. Elles s’appuient sur des mécanismes de containeurs. Les mécanismes permettant de sécuriser de façon efficace ces architectures ont été encore peu étudiés. Le but de ce stage consiste à :

• Tout d’abord faire un état de l’art des mécanismes de sécurisation proposés par Kubernetes ; • Puis mettre en œuvre ces mécanismes sur un SI de laboratoire afin d’éprouver leur efficacité, plus

particulièrement en adressant : o La sécurisation au niveau conteneur (notamment durcissement) ; o Le filtrage réseau entre conteneurs ; o L’audit automatisé de la sécurité de conteneurs.

La problématique de la sécurisation des architectures à base de micro-services pourra être complétée par la mise en place de solutions de détection d’activités malveillantes sur ce type d’architecture, suivant l’avancée du stage.

Compétences indispensables Compétences souhaitées Connaissances métier:

• Sécurisation d’un système d’information Compétences techniques :

• Administration système Linux et durcissement. Qualités personnelles:

• Autonomie, Motivation.

• Capacité à intégrer une vue d’ensemble d’un SI • 1ère expérience (notamment au travers de

projets étudiants) sur des architectures à base de micro-services

• Connaissances en détection.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration Ce stage offre l’occasion d’intégrer le domaine porteur de la cybersécurité.

Page 15: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 14 [email protected]

SSI-2021-EDS1-1 Environnements Android déconnectés

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Android Python

Description du stage

Dans le cadre de son activité de développement, le laboratoire MO est amené à utiliser des plateformes n’étant pas connectées à l’Internet. On parle alors de d’environnements « déconnectés ». Les outils intervenant dans le développement Android, tels qu’Android Studio, le SDK Android ou encore Gradle, sont conçus pour être utilisés sur des plateformes connectées à l’Internet, et leur usage sur des plateformes déconnectées n’est donc pas trivial. L’objectif de ce stage consiste à mettre en place des environnements de développement et de compilation Android, sur des plateformes déconnectées, en veillant à automatiser autant que possible ce processus et à le rendre configurable, suivant les besoins des utilisateurs finaux. Les travaux comportent deux aspects. D’une part, le téléchargement de l’ensemble des composants logiciels requis, qui s’effectuera sur une plateforme connectée. D’autre part, la construction des environnements de développement et de compilation, sur une plateforme déconnectée, à partir de ces seules dépendances. Le candidat travaillera sous la tutelle d'un de nos experts. Il devra se montrer motivé, curieux et force de proposition sur les solutions envisagées. Il devra présenter une bonne maîtrise d'un langage de script, de préférence Python, ou éventuellement Bash. Une expérience préalable avec Docker (solution de conteneurisation) serait également appréciée, bien que ne constituant pas un prérequis. Le personnel du laboratoire accompagnera le candidat durant son stage afin de lui dispenser une expérience en développement Android, qui ne se limitera à l’aspect usuel constitué par le code source, mais portera aussi sur les outils intervenant dans la chaîne de compilation des applications Android.

Compétences indispensables Compétences souhaitées • Python, Android • Motivation, curiosité, rigueur.

• Docker, Bash, Gradle.

Les “+” du stage Le stagiaire intégrera une équipe dynamique et très soudée d’une dizaine de développeurs Android, elle-même rattachée à d’autres équipes de développement. Outre l’expérience humaine, ce stage peut constituer une opportunité pour approfondir une connaissance concernant le système et les applications Android, ainsi que d’acquérir une bonne vision de la chaîne de compilation des applications Android.

Page 16: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 15 [email protected]

SSI-2021-EDS1-2 Optimisation d’applications Android

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Android Python Java Kotlin

Description du stage

Le laboratoire MO du département EDS (Expertise en Développement Sécurisé) réalise des logiciels de Cyberdéfense au profit des forces armées. Il est missionné pour fournir des outils de défense cybernétique ainsi que des moyens de contre-réaction dans la thématique MObile (MO). Dans le cadre de son activité de développement, le laboratoire MO est amené à développer des applications Android reposant sur des bibliothèques parfois volumineuses. Dans un souci de faciliter leur déploiement, réduire la taille de ces applications constitue un enjeu important. Dans le cadre de ce stage, les travaux demandés consistent à appréhender des outils d’optimisation existants, tels que Proguard et R8, et à comprendre les processus d’optimisation qu’ils mettent en œuvre, afin de pouvoir les configurer et les utiliser au mieux de leurs possibilités. Il pourra aussi être question de proposer des bonnes pratiques de développement visant à tirer parti au mieux de ces outils. Les résultats produits seront vérifiés en analysant les applications Android produites, et leur bytecode en particulier, au moyen d’outils tels que Jadx. Le candidat travaillera sous la tutelle d'un de nos experts. Il devra se montrer motivé, curieux et force de proposition sur les solutions envisagées. Il devra présenter une bonne maîtrise d'un langage JVM, tel que Java ou Kotlin. La connaissance du bytecode JVM ou DEX serait également appréciée, bien que ne constituant pas un prérequis. Le personnel du laboratoire accompagnera le candidat durant son stage afin de lui dispenser une expérience en développement et analyse d'applications Android.

Compétences indispensables Compétences souhaitées • Java, Kotlin, Android • Motivation, curiosité, rigueur.

• Bytecode JVM ou DEX.

Les “+” du stage Le stagiaire intégrera une équipe dynamique et très soudée d’une dizaine de développeurs Android, elle-même rattachée à d’autres équipes de développement. Outre l’expérience humaine, ce stage peut constituer une opportunité pour approfondir une connaissance concernant le système et les applications Android, ainsi que de s’initier à l’analyse d’applications Android.

Page 17: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 16 [email protected]

SSI-2021-EDS3-1 Intégration Continue

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Développement Intégration

Description du stage

Les ingénieurs des départements EDS sont spécialisés dans le développement de logiciels de Cyberdéfense au profit des forces armées. Afin d’assurer la conformité et la qualité de ses produits, EDS utilise des processus de production virtualisés et automatisés s’appuyant sur des outils externes mais aussi sur ses propres outils. Dans ce cadre, l’équipe d’intégration logiciel cherche en permanence à optimiser ses processus et simplifier l’utilisation de ses outils. Le stagiaire rejoindra l’équipe d’intégration et travaillera sous la tutelle d’un de nos experts. Il participera au développement d’un outil de tests d’intégration automatisés. Il sera notamment en charge de la réalisation d’un ‘plugin’ permettant l’utilisation de l’outil à partir d’un IDE. Durant ce stage, le stagiaire sera amené à :

- Mettre en place des environnements virtuels divers, - Participer à la génération de scénarios de tests.

Proposer puis réaliser des correctifs ou extensions de l’outil de test.

Compétences indispensables Compétences souhaitées • Développement logiciel et bonne capacité de prise

en main de nouveaux langages • Connaissances en réseaux informatiques • Connaissances en architecture logiciel et IHM • Motivation, curiosité, rigueur, force de proposition

• Langage : Python, TypeScript • Environnement virtualisé.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Le stagiaire pourra acquérir des compétences sur les environnements virtualisés et les processus d’intégration, et pourra approfondir ses connaissances en développement logiciel.

Page 18: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 17 [email protected]

SSI-2021-ICM-1 Analyse Massive de Firmware

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Firmware Analyse

Description du stage

Constitution d'un référentiel de données extraites de firmwares : à partir de sources ouvertes ou interne recensant des firmwares d’équipements variés (ICS, Caméra, téléphones, équipements réseau, etc…), le stagiaire définira avec les experts les informations d’intérêts à extraire et proposera un modèle de données compatible avec ceux utilisés au sein d’ICM et permettant l’agrégation et le stockage des informations contenus dans ces firmwares. Il développera ou mettra en œuvre des outils d’analyse et de collecte permettant d’extraire les informations d’intérêt, leur stockage et assurera le développement ou la mise en œuvre d’outils et interfaces utilisateurs permettant l’exploitation de ces données.

Compétences indispensables Compétences souhaitées • Motivation • Esprit de recherche • Langage de script / programmation • Modélisation.

• Langage C • Autonomie • Big Data • Datamining.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Ce stage offre l’occasion d’intégrer les domaines porteurs de la cybersécurité et du Big Data.

Page 19: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 18 [email protected]

SSI-2021-ICM-2 Outils de traduction et de résumé automatique

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Langage Traduction

Description du stage

Le stagiaire réalisera un état de l’art des moteurs de traduction open source. Le stagiaire réalisera un état de l’art des outils open source permettant de créer un résumé de documents. A partir de ces résultats, le stagiaire proposera une méthodologie permettant d’entrainer des modèles réalisant ces opérations (pour la traduction, les langues anglais, russe, chinois arabe et français seront à considérer) et il développera ou mettra en œuvre des outils réalisant ces opérations.

Compétences indispensables Compétences souhaitées • Motivation • Esprit de recherche • Langage de script / programmation • Modélisation • Statistiques.

• Langage C • Autonomie • Linguistique • Deep Learning.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Ce stage offre l’occasion d’intégrer les domaines porteurs de la cybersécurité et du Big Data.

Page 20: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 19 [email protected]

SSI-2021-ICM-3 Outils d’aide à la veille et de collecte (web)

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Collecte Veille Web

Description du stage

Le stagiaire recueillera auprès des analystes ICM et d’autres département les besoins en terme de fonctionnalités permettant d’accompagner et de faciliter le travail de veille et de collecte des experts et analystes. Il développera ensuite le prototype de l’outil (ou des outils) implémentant ces fonctionnalités. Notamment dans son travail de veille l’analyste est amené à parcourir l’Internet à la recherche d’informations sur différentes thématiques. L’outil devra permettre de tracer la navigation, à la demande de télécharger tout ou partie d’un site, des termes pourront être mis en évidence dans les pages / documents à partir d’ontologies. L’outil devra permettre à l’analyste d’ajouter des informations, de taguer et commenter certaines parties des documents/pages visités, de mettre à jour et importer les ontologies, d’indexer les documents, de mettre en évidence automatiquement ou manuellement les relations entre les documents/sites, etc. L’outil devra gérer son espace de stockage et permettre la reprise d’une session de navigation si celle-ci est interrompue. Les données ainsi générées feront l’objet d’un export dans un format à définir (minima json).

Compétences indispensables Compétences souhaitées • Motivation • Esprit de recherche • Langage de script / programmation • Modélisation.

• Langage Python, C, HTML, Java • Gestion des connaissances • Autonomie.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Ce stage offre l’occasion d’intégrer les domaines porteurs de la cybersécurité et du Big Data.

Page 21: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 20 [email protected]

SSI-2021-ICM-4 Extraction de triplet RDF dans des textes non structurés

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Text mining Linked Data Knowledge Extraction

Description du stage

Dans le cadre d'analyses de sécurité, le laboratoire « intelligence Cyber » du département ICM (Ingénierie et Connaissance de la Menace) effectue de la recherche d’information dans des données « source ouverte ». Afin d'améliorer la pertinence de cette activité, ce stage propose de participer au développement d'une solution de d’extraction et de gestion de connaissance. Ce sujet du stage cible l’extraction de triplet RDF dans des données textuelles non structurées. Ils existent de nombreux travaux universitaires sur ce sujet, les travaux demandés consistent à : - Analyse bibliographique des solutions existantes. - Choix d’une solution et montage d’une plateforme - Evaluation et proposition évolution. Directement intégré aux équipes d’analyse et de capitalisation des données cyber, le candidat devra se montrer motivé et force de proposition sur les solutions envisagées.

Compétences indispensables Compétences souhaitées • Motivation • Esprit de recherche • Langage de script • Traitement du langage.

• Python • Autonomie • Montage de plateforme.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Ce stage offre l’occasion d’intégrer le domaine porteur de la cybersécurité.

Page 22: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 21 [email protected]

SSI-2021-ICM-5 Corrélation dans un graphe d’information/ connaissance

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Ontology Knowledge Graph

Description du stage

Dans le cadre d'analyses de sécurité, le laboratoire « intelligence Cyber » du département ICM (Ingénierie et Connaissance de la Menace) effectue de la recherche d’information dans des données « source ouverte ». Afin d'améliorer la pertinence de cette activité, ce stage propose de participer au développement d'une solution de d’extraction et de gestion de connaissance. Ce sujet du stage cible les possibilités de corrélation à l’intérieur d’un graphe d’information/connaissance aligné sur une ontologie. Le graphe comporte une partie labellisée connaissance (considéré comme des patrons à reconnaitre) et une partie dynamique d’informations à reconnaitre. Les travaux demandés consistent à : - Analyse bibliographique des solutions existantes. - Choix solution et montage d’une plateforme - Evaluation et proposition évolution. Directement intégré aux équipes d’analyse et de capitalisation des données cyber, le candidat devra se montrer motivé et force de proposition sur les solutions envisagées. Désireux d'apprendre et aimant le travail en équipe, le candidat pourra être proposé à une thèse cyber sécurité.

Compétences indispensables Compétences souhaitées • Motivation • Esprit de recherche • Langage de script • Ontologie.

• Python • Autonomie • Montage de plateforme.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration. Ce stage offre l’occasion d’intégrer le domaine porteur de la cybersécurité. Ce stage peut déboucher sur un thèse cybersécurité.

Page 23: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 22 [email protected]

SSI-2021-SCY-1 Implémentation matérielle d’un générateur d’empreinte numérique

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois VHDL Verilog FPGA PUF Cryptographie

Description du stage

Les récentes études ont démontré qu’un composant peut-être identifié grâce à une empreinte numérique unique générée avec des fonctions spéciales appelées PUF (Physical Unclonable Function). L’étude proposée dans le cadre de ce stage permettra d’évaluer l’adéquation d’une architecture existante de la fonction PUF avec la structure d’un composant programmable FPGA. L’implémentation matérielle de la fonction PUF et de son contrôleur sur un composant FPGA permettra d’évaluer également ses performances et ses caractéristiques en terme d’unicité, de fiabilité et d’entropie. Le stage comporte trois étapes, une analyse succincte de l’état de l’art permettra tout d’abord d’appréhender les fonctions PUF et de comprendre l’architecture identifiée pour l’étude. Ensuite, le stagiaire développera un bloc VHDL dédié qu’il intègrera sur une plateforme ZedBoard contenant un FPGA Xilinx Zynq. Le troisième volet du stage consistera à analyser les empreintes numériques générées par la fonction PUF et à évaluer ses performances et ses caractéristiques. Le stage se déroulera au sein du laboratoire CM (cryptographie matérielle) qui étudie et définit des solutions d’implémentation matérielle pour les algorithmes cryptographiques et les mécanismes de sécurité. Le laboratoire CM est rattaché au département SCY (Services Cryptographiques).

Compétences indispensables Compétences souhaitées • Langage VHDL • Connaissances en FPGA

• Notions en cryptographie • Informatique industrielle

Les “+” du stage Le stagiaire mettra en pratique les connaissances acquises lors de sa formation et il apprendra des nouvelles méthodes d’implémentation sur les composants FPGA. Le stage se déroulera au sein d’un département multidisciplinaire qui offrira au stagiaire l’opportunité de vivre des expériences variées et enrichissantes tant sur le plan personnel que technique.

Page 24: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 23 [email protected]

SSI-2021-VIM-1 Recherche automatisée de gadgets dans l’embarqué

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois ROPCHAIN Embarqué Reverse

Description du stage

Le département VIM (vulnérabilités dans l’informatique embarquée) recherche et démontre des failles de sécurité lors d’audits d’équipements utilisés par le ministère et les forces armées. Ce stage se propose de fournir un outil d’aide au développement de ROPchains (ou variantes spécifiques à l’architecture) dans des architectures type ARM, MIPS, SPARC, etc. Dans un premier temps, le stagiaire devra se familiariser avec les outils à l’état de l’art (outils de recherche syntaxique et symbolique), et faire un benchmark des différentes méthodes dans le contexte spécifique d’architectures qu’on retrouve dans l’embarqué. Il devra ensuite développer un « méta-outil », permettant d’agréger les sorties des outils en synthétisant les résultats dans une syntaxe à développer permettant facilement à l’analyste de trouver ou rechercher des gadgets pertinents. On étendra ensuite l’outil en intégrant des recherches effectuées à la DGA (outil de recherche de gadget par la « teinte » de registre par exemple), ou des outils symboliques (type Z3), afin de fournir à l’analyste des plus courts chemins de gadgets permettant de réaliser des opérations simples (stack pivot, etc.). Le stage pourra éventuellement déboucher sur une proposition de poste en CDI.

Compétences indispensables Compétences souhaitées • Bonnes notions d’assembleur • Langage de script type python

• Développement logiciel • Notions techniques d’exploitation

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration Ce stage permettra au stagiaire de se familiariser avec des techniques d’exploitation modernes, d’effectuer du développement, ainsi que de se plonger dans un domaine de recherche actif sur l’automatisation de ropchain.

Page 25: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 24 [email protected]

SSI-2021-VSE-1 Analyse applicative et recherche de vulnérabilité

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Android CVE Reverse

Description du stage

Le laboratoire REALM du département VSE (Vulnérabilités des Systèmes d'Exploitation) est référent sur le système Android. Il doit être capable d'évaluer le niveau de sécurité d'un périphérique, tout constructeur confondu. Ce stage propose :

• de faire l'analyse de la surface d'attaque au niveau applicatif sur plusieurs surcouches constructeurs • de développer des outils d'analyse d'APK • de développer des outils d'analyse d'une surcouche constructeur dans son ensemble.

Directement intégré aux équipes de rétro ingénierie et de recherche de vulnérabilité, le candidat devra se montrer motivé et force de proposition sur les solutions envisagées. Désireux d'apprendre et aimant le travail en équipe, le candidat pourra être proposé à un poste d'ingénieur en CDI à l'issue du stage, d'une durée qui lui conviendra.

Compétences indispensables Compétences souhaitées • Motivation • Curiosité • Esprit de recherche

• Développement C • Python

Les “+” du stage

Si tu as une forte volonté d'apprendre et de te perfectionner sur les aspects techniques liés à la rétro-ingénierie, l'audit sécurité de code source et la recherche de vulnérabilités, ce stage t’offrira la possibilité de faire tes premières armes avec une équipe d’experts reconnus dans le domaine de la cyber sécurité. Il s’agit d’un stage de pré-embauche.

Page 26: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 25 [email protected]

SSI-2021-VSP-1 Diversification d’outils de test d’intrusion

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Analyse Développement Assembleur Java

Description du stage

Le département VSP (vulnérabilités serveur et pentest) recherche et démontre des failles de sécurité lors d’audits d’équipements utilisés par le ministère et les forces armées. Ce stage se propose d’adapter un outil de test d’intrusion publique (CobaltStrike) afin d’adapter ces fonctionnalités aux besoins de DGA-Mi. Dans un premier temps, le stagiaire devra se familiariser avec l’outil en question ainsi que sur les techniques d’évasion d’antivirus. Il devra ensuite adapter le l’outil pour correspondre aux impératifs et aux contraintes rencontrées dans les tests d’intrusions mené par DGA-Mi. On pourra éventuellement étendre le stage en créant un outil de diversification de charge générées par d’autres outils tel que metasploit / empire / …

Compétences indispensables Compétences souhaitées • Langage Java / assembleur • Développement logiciel

• Notions de rétro-ingénierie logiciel • Notions de techniques d’intrusions

Les “+” du stage Le stage pourra éventuellement déboucher sur une proposition de poste en CDI. Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Ce stage permettra au stagiaire de se familiariser avec des techniques d’évasions d’antivirus modernes, d’effectuer du développement, ainsi que de se plonger dans le domaine du développement d’outils d’attaque.

Page 27: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 26 [email protected]

SSI-2021-XCS-1 Réseau de neurones pour attaques par canaux auxiliaires

Niveau requis Durée Mots-clés Bac + 5 6 mois Deep Learning Side channel attack Embarqué

Description du stage

L'objectif de ce stage est d'embarquer sur un raspberry Pi, et/ou une petite carte spécialisée, un réseau de neurones ayant pour rôle d'effectuer une attaque par canaux auxiliaires. Dans le cadre d'un PFE, nous mettons en place une attaque par canaux auxiliaires permettant de déchiffrer une conversation (par les airs) entre deux cartes. Au-delà de l'aspect démonstration, ce PFE est un parfait cas d’usage pour l’étude de deux problématiques récurrentes : - la robustesse d'une attaque avec apprentissage vis-à-vis des variations de l’environnement, - l’embarquabilité des réseaux de type Deep Learning dans des systèmes contraints. En effet, cette démonstration ayant vocation à être mobile, les conditions de mesure in situ varieront entre la mise au point de la démonstration et sa mise en œuvre en public. Ces problématiques se retrouvent aussi lors d'attaques plus classiques dès lors que l'on ne maîtrise pas totalement les conditions de mesure. De plus, la mobilité de la démonstration empêche l’utilisation d’un puissant calculateur pour mener à bien l’attaque. Le stage a donc pour but : 1. d'étudier la robustesse des réseaux de types Deep Learning pour les attaques par canaux auxiliaires (positions de sondes); 2. de définir des architectures légères de réseaux robustes qui seraient de bon candidat à l'embarquement; 3. de mettre en œuvre de tels réseaux sur les cibles proposées (raspberry Pi). Les points 1 et 2 seront des travaux joints entre les deux départements impliqués et avec une implication particulière de l'apprentie. Le dernier point sera traité essentiellement sous l'encadrement du département IA.

Compétences indispensables Compétences souhaitées • Intelligence Artificielle (Deep learning, …) • Tensenflow 2.x, Python, C/C++ • Maîtrise OS embarqué (linux)

• Compétences en side channel attack • Maîtrise d’une chaine de cross compilation

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 28: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 27 [email protected]

SSI-2021-XEL-1 Étude et développement d’un analyseur de code

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Analyse de code Analyse statique

Description du stage

Le département XEL (eXpertise en Evaluation de Logiciels sécurisés) participe à l’évaluation de la sécurité et de la fiabilité des logiciels du Ministère des Armées. Les langages de programmation actuels pose de nombreux défis en termes de vérification. Ce stage propose de contribuer à l’amélioration des méthodes d’évaluation des logiciels de sécurité. Les travaux consisteront à :

• réaliser un état de l’art des outils d’analyse statique/dynamique/hybride ; • expérimenter des outils existants sur des projets open source et identifier les limitations ; • développer un prototype d’analyseur de code (éventuellement sur la base d’un outil existant).

Directement intégré aux équipes d’évaluation, le candidat devra se montrer motivé et force de proposition sur les solutions envisagées.

Compétences indispensables Compétences souhaitées • Motivation, Esprit de recherche • Maîtrise du langage C, familier de C++ • Connaissances sur la compilation ou l’analyse

statique

• Autonomie • Connaissances sécurité informatique • Connaissances : analyse dynamique,

fuzzing, méthodes formelles

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui devra être contrôlé par l’administration. Dans un cadre de travail agréable et détendu, ce stage se réalisera entouré des équipes d’XEL aux compétences variées allant de la cryptographie au système d’exploitation en passant par les subtilités sémantiques des langages de programmation.

Ce stage enrichissant permet également d’intégrer le domaine porteur de la cybersécurité riche en opportunités de recrutement au sein de la DGA.

Page 29: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 28 [email protected]

SSI-2021-XIN-1 Evaluation Sonde HIPS

Niveau requis Durée Mots-clés Bac + 5 5 à 6 mois Sonde Scénario MITRE automatisation Python C# C

PowerShell

Description du stage

Dans le cadre de la connaissance de la menace, le département XIN est amené à valider des sondes de type HIDS/HIPS. Le but du stage est de contribuer à l’automatisation de scénario d’attaque afin de valider le bon fonctionnement et l’efficacité en termes de LID d’une sonde HIPS. Le stage proposé se découpe en deux parties :

- Monter en compétence afin de comprendre les concepts et mécanismes d’une sonde HIPS, - Prise de connaissance des scénarios déjà répertorié dans notre base, - Développement de nouveaux scénarios d’attaques, - Sélection et réalisation manuel de scénario prometteur dans un environnement virtuel, - Automatisation des scénarios sélectionnés.

Le candidat travaillera sous la tutelle d’un de nos experts. Il devra se montrer motivé, curieux, critique et force de proposition sur les solutions envisagées.

Compétences indispensables Compétences souhaitées • Virtualisation : Vmware ou autre • Langage de développement : C ou C# • Langage de script : Python, PowerShell • Système d’exploitation : Windows • Motivation, Curiosité, Esprit de recherche, autonomie

• Test d’intrusion : utilisation de metasploit • Investigation numérique : outils forensic,

analyse de log • Développement système (API Windows, Driver,

etc.) • Connaissances matrice MITRE ATT&CK.

Les “+” du stage Si tu as une forte volonté d'apprendre et de te perfectionner sur les aspects techniques liés à la LID, ce stage te permettra de te familiariser sur une sonde HIDS, d’améliorer tes connaissances sur les techniques pentest (LID), et sur l’automatisation de scénario.

Page 30: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 29 [email protected]

ASC2-2021-EORD-1 Modèles de localisation SAR

Niveau requis Durée Mots-clés Bac + 5 4 à 5 mois Localisation physique SAR

Description du stage

Le département EORD (Espace Observation Renseignement Drone) a une mission d’expertise sur la maîtrise de localisation de données images (satellites, aériens...) en entrée et sortie de systèmes d’exploitation d’images. Dans ce cadre, les performances de localisation selon les traitements de recalage d’images doivent être caractérisées précisément. Ce stage doit apporter des éléments en réponse à cet objectif. Il se divise en deux parties :

• Etude du modèle de localisation physique d’une image SAR • Etude d’un processus de caractérisation d’un modèle d’erreur associé à l’imagerie radar ; • L’implantation d’une maquette fruit de ces deux études.

Les travaux consistent à : • Identifier les différents paramètres de localisation physique d’une image SAR ; • Modéliser la localisation physique SAR à partir des paramètres précédents ; • Identifier les différentes contributeurs d’erreur d’une image SAR et caractériser leurs statistiques ; • Modéliser le modèle de propagation d’erreur à partir des contributeurs précédents ; • Développer une maquette et valider ces modèles sur quelques exemples fournis.

Le stagiaire devra fournir pour chaque phase des travaux un document de synthèse décrivant et/ou justifiant les travaux réalisés.

Compétences indispensables Compétences souhaitées • Modélisation Mathématique, • Optimisation Linéaire et non linéaire, • Analyse et Simulation Numérique, • Langages de programmation : C++ ou JAVA

(Expérience valorisée par un projet d’études).

• Statistiques, • Synthèse d’images radar (SAR), • Géo-référencement des images • Mécanique.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 31: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 30 [email protected]

ASC2-2021-IA2P-1 Etudes des vulnérabilités à base d’IA

Niveau requis Durée Mots-clés Bac + 5 6 mois Intelligence Artificielle Deep Learning Traitement

d’images

Description du stage

Etudes des vulnérabilités sur des algorithmes de détection d’objets à base d’IA : Le stage consistera à une analyse des risques liés à un ou plusieurs types de vulnérabilités sur des modèles d'IA. Ces modèles sont basés sur du deep learning par exemple pour des tâches de détection automatique d’objets dans des images. Les vulnérabilités potentiellement considérées seront :

- L’attaque par leurrage (au travers de la mise en place d’exemples adversaires par exemple), - La mise en place de portes dérobées (ou backdoor, par exemple au travers d’empoisonnement de

données) et la détection de ces portes dérobées, - L’extraction de modèle boite blanche à partir de modèle boite noire, - La reconstruction de données d’entrainement à partir d’un modèle boite noire.

Les outils pressentis pour ce stage sont Keras/Tensorflow ou Pytorch

Compétences indispensables Compétences souhaitées • Compétences en Deep Learning • Programmation Python

• Compétences en traitement d’images • Keras/TensorFlow ou PyTorch

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 32: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 31 [email protected]

ASC2-2021-IA2P-2 Auto-apprentissage pour le signal acoustique

Niveau requis Durée Mots-clés Bac + 5 6 mois IA Deep Learning Unsupervised Representation

Learning Submarine Acoustic

Description du stage L’apprentissage auto-supervisé (Self-Training en anglais) est un des sujets les plus porteurs du Deep Learning ces deux dernières années. Cette technique consiste à pré-apprendre sans annotation des représentations riches des données et ce grâce à des tâches auxiliaires (typiquement prédire le futur ou reconstruire des données cachées). Ces représentations riches sont ensuite utilisées par d’autres tâches qui profitent directement de la « connaissance » acquise. La tendance a été initiée dans le domaine du Natural Language Processing avec les systèmes BERT ou GPT mais essaime maintenant dans tous les domaines. Nous nous intéresserons dans ce stage à l’application de techniques récentes d’apprentissage auto-supervisé (telles que le Contrastive Predictive Coding) à des données d’acoustique sous-marine. Le but du stage sera de comparer une approche « tout supervisé » et une approche « auto-supervisé puis supervisé » sur une tâche de détection-classification de cétacés. Le corpus utilisé pourra être le corpus public du NOAA “Cetacean and Seabird Data Collected During the Hawaiian Islands Cetacean and Ecosystem Assessment Survey (HICEAS), July–December 2017”.

Compétences indispensables Compétences souhaitées • Deep Learning • Programmation (dont Python)

• Traitement du signal audio • TensorFlow ou PyTorch

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 33: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 32 [email protected]

ASC2-2021-IA2P-3 Production d’images réalistes

Niveau requis Durée Mots-clés Bac + 5 6 mois Intelligence Artificielle Deep Learning Traitement

d’images

Description du stage

Production d’images réalistes à partir de données synthétiques par adaptation de domaine : Les images radar (SAR) ont l’avantage de pouvoir être obtenues le jour et la nuit ainsi que dans des conditions météo variées. Toutefois, l’acquisition de telles données étant complexe, ces images sont généralement peu nombreuses et peu variées. Des outils de simulations permettent toutefois de recréer à moindre coût des images semblables aux images radar réelles grâce aux connaissances physiques du phénomène. La DGA MI possède un certain nombre de moyens de production d’images synthétiques, notamment pour les images radar (SAR). La différence entre images réelles et simulées reste donc importante et rend la mise en place d’algorithmes d’identification automatique d’objet réels à partir de leur représentation simulée difficile. Ce stage se basera sur des bases de données d’images radar réelles et simulées et visera notamment à explorer certaines pistes permettant d’améliorer les performances de reconnaissance automatique (basée sur des algorithmes de deep learning de CNN) parmi lesquelles :

• Analyse et optimisation des données d’entrées et du pre-processing, • Amélioration du réalisme des images simulées à l’aide d’algorithmes d’adaptation de domaine (CycleGAN

ou autres), • Amélioration des performances de reconnaissance des objets via l’utilisation d’un espace latent adapté.

Les outils pressentis pour ce stage sont Keras/Tensorflow ou Pytorch.

Compétences indispensables Compétences souhaitées • Compétences en Deep Learning, Réseaux de neurone • Programmation Python

• Compétences en traitement d’images • Keras/TensorFlow ou PyTorch

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 34: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 33 [email protected]

ASC2-2021-IA2P-5 IA Deep Receiver

Niveau requis Durée Mots-clés Bac + 5 6 mois Intelligence Artificielle Deep Learning Telecom

Description du stage

Le département IA2P (Intelligence Artificielle et Apprentissage Profond) a une mission d’expertise sur les algorithmes d’intelligence artificielle consistant à détecter au plus tôt l’innovation. Cette dernière est très soutenue récemment dans le domaine des télécommunications. L’objectif du stage est d’étudier si et comment les techniques de « deep learning » peuvent apprendre à reproduire des mécanismes de chaînes de transmission sans fil et plus particulièrement celui des décodeurs LDPC. En effet, une partie de ces travaux seront de plus appliqués au domaine SSI des attaques physiques par collisions pour lesquelles il a été montré que la résolution de l’attaque était équivalente à un décodage de code LDPC ayant pour alphabet GF (2^8). Les travaux s’appuieront sur des données expérimentales simulées correspondant à des mesures obtenues dans des chaînes de transmissions classiques. Les étapes du stage sont : - Phase 1 : Prise en main du code déjà disponible pour améliorer le simulateur et effectuer la tâche de

décodage par IA. Compréhension de la problématique. Etat de l’art des solutions récemment apportées. - Phase 2 : Développement d’une solution adaptée. A la suite de la phase 1, le stagiaire implémentera une

solution et validera son bon fonctionnement. - Phase 3 : Mise en œuvre pour une application SSI avec la réalisation d’une démonstration si le temps le

permet.

Compétences indispensables Compétences souhaitées • Compétences python • Compétences en télécommunications (codage canal) • Connaissance en anglais : lecture d’articles

techniques

• Compétences en IA (réseaux de neurones) • Compétences en traitement du signal

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration, ainsi que de présentations régulières au sein de la DGA.

Page 35: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 34 [email protected]

ASC2-2021-IA2P-6 Réseaux génératifs adverses

Niveau requis Durée Mots-clés Bac + 5 6 mois Intelligence Artificielle Deep Learning

Description du stage

L'entrainement et la performance des réseaux de neurones dépendent directement des données disponibles pour l’entrainement. Quelle que soit la tâche à effectuer le manque de données peut empêcher l'apprentissage de fournir des résultats satisfaisants. Une approche pour pallier ces problèmes est l'utilisation de réseaux adverses génératifs (GANs), qui permettent par le générateur de produire des données réalistes, par transfert de style de transformer des images synthétiques en images réalistes ou par Inpainting de générer et modifier des sous parties des images. Cette dernière approche est encore peu explorée et elle est très prometteuse car elle a le double avantage d’appliquer des légères modifications à l’image pour amener de la diversité et même d’incruster de nouveaux éléments. Au sein du département IA2P (Intelligence Artificielle et Apprentissage Profond) de DGA-MI, vous aurez la mission de tester, de modifier et d’évaluer des architectures de réseaux de neurones de type GANPaint, GANDissect. Le stage sera découpé comme suit : Phase 1 : Etat de l’art des solutions récemment apportées dans ce domaine Phase 2 : Prise en main du code déjà disponible Phase 3 : Evaluation des traitements et étude des limites actuelles Phase 4 : Ajout de classe d’objets d’intérêts et réapprentissage Phase 5 : Intégration du traitement meilleur dans un démonstrateur.

Compétences indispensables Compétences souhaitées • Compétences python, Tensorflow/Keras • Rigueur, Capacités d'analyse et de synthèse • Compétences en IA (réseaux de neurones)

• Compétences en traitement du Signal et des d’images

• Mathématiques Appliquées

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration, ainsi que de présentations régulières au sein de la DGA.

Page 36: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 35 [email protected]

ASC2-2021-IA2P-7 Apprentisage de réseaux de neurones

Niveau requis Durée Mots-clés Bac + 5 6 mois Apprentissage Deep Learning

Description du stage

Il est aujourd’hui primordial que les puces électroniques étatiques soient conformes aux spécifications. Pour s’assurer de cette conformité, les puces sont vérifiées par les équipes de DGA-MI. La complexité des puces ne cesse de s’accroitre, ce qui implique une quantité de données à analyser toujours plus importante. Pour gérer ce volume de données, de nouvelles techniques de vérification sont utilisées. Celles-ci sont basées sur des approches par réseau de neurones pour détecter les différentes éléments constituants une puce. Ces approches biens que performantes montrent certaines limites. Notamment, les modèles utilisés restent très spécialisés aux images utilisées pour l’apprentissage. Les utilisateurs d’analyse d’image souhaitent pouvoir faire progresser la détection au fur et à mesure de leur exploitation en tirant partie de nouvelles annotations. Il est toutefois très délicat de re-entrainer le réseau à chaque ajout de données issues de son utilisation : les risques de régression de performances sont importants (phénomène de l’oubli catastrophique) et le temps de labellisation et d’apprentissage peuvent s’avérer rebutant. L’objectif du stage est double : - d’une part spécialiser un modèle à partir de très peu de données annotées d’une nouvelle puce, en étudiant et proposant des traitements d’apprentissage actif pour sélectionner parmi un lot d’images, les images qui vont le plus enrichir le modèle existant. - d’autre part développer une approche rendant automatique le processus d’apprentissage continu pour améliorer le modèle sans être obligé de réapprendre sur le corpus complet.

Compétences indispensables Compétences souhaitées • Techniques d'Intelligence Artificielle (Deep learning,

VAE, …) • Compétences en Tensenflow/Keras • Développement python.

• Compétences en traitement d’images • Connaissance en anglais : littérature technique.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 37: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 36 [email protected]

ASC2-2021-IA2P-8 Découpage automatique de vidéos

Niveau requis Durée Mots-clés Bac + 5 6 mois Deepfakes Deep Learning Traitement d’images

Description du stage

Découpage automatique de vidéos en séquence de phonèmes : Manipulation de médias vidéos. L’objectif du stage est de réaliser le découpage automatique de vidéos en séquence de phonèmes. Pour mener à bien ce stage, le stagiaire réalisera les travaux suivants :

• Etat de l’art des traitements pour l'alignement entre la bande son et les images d’une vidéo • Réaliser à partir de librairie vision par ordinateur la détection des tracks des visages. • Vérifier l'alignement entre la bande son de la vidéo et le mouvement des lèvres du visage. • Découper la vidéo en séquence de phonèmes.

Vérifier le découpage en créant une IA capable à partir des séquences de phonèmes de reconstruire la vidéo.

Compétences indispensables Compétences souhaitées • Techniques d'Intelligence Artificielle (Deep learning,

VAE, …) • Compétences en traitement d’images • Compétences en Tensenflow/Keras • Développement python

• Connaissances d’outils de manipulation de vidéo : ffmpeg, opencv, …

• Connaissances de format de vidéos (compression, codage, …)

• Traitement automatique de la parole • Connaissance en anglais : littérature technique

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 38: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 37 [email protected]

ASC2-2021-IA3D-1 Apprentissage réparti sur machine distribuée

Niveau requis Durée Mots-clés Bac + 5 6 mois Apprentissage machine GPGPU

Description du stage

Apprentissage réparti, multi-GPU ou multi-ressources hétérogènes

L’apprentissage machine (ML) nécessite de grandes capacités calculatoires, tant sur le plan des unités de traitement que sur la gestion des flux et le stockage des données. Des machines centralisées composées de plusieurs accélérateurs de type GPGPU permettent de répondre en partie à cette problématique, moyennant un coût élevé. Une autre approche est de répartir l’apprentissage sur plusieurs machines plus modestes, voire embarquées. Le but est de faire un état de l’art des techniques et intergiciels permettant de répartir l’apprentissage sur une machine distribuée, c’est-à-dire ne comportant pas de mémoire centrale (pas de RAM physiquement partagée). La complexité provient du fait qu’il faut employer un modèle de programmation hybride : le modèle imposé par les outils de ML pour déployer les calculs sur les accélérateurs locaux et le modèle de programmation par passage de message (MPI, ou du dataflow) pour répartir les travaux entre les nœuds de calcul et orchestrer les échanges intermédiaires (par exemple des poids, des coefficients...). La démonstration pourra s’effectuer sur un mini cluster de PC classiques dotés de GPUs et des données NP. Ce stage est proposé par le département IA3D spécialisé dans l’étude et la mise en place d’algorithmes complexes pour les systèmes multi-agents autonomes et la science des données.

Compétences indispensables Compétences souhaitées • Techniques d'Intelligence Artificielle • Outils pour l’apprentissage machine • Compétences en systèmes distribués (algorithmique

répartie, passage de messages).

• Outils pour le calcul distribué (MPI, MapReduce) • Quelques notions sur les systèmes de calcul

haute-performance (HPC) • Python.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 39: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 38 [email protected]

ASC2-2021-IA3D-2 Priorisation et orchestration des communications

Niveau requis Durée Mots-clés Bac + 5 6 mois Systèmes communicants, Intelligence collaborative

Recherche opérationnelle

Description du stage

Priorisation et orchestration des communications dans le contexte d’un réseau pair-à-pair volatile : L’évolution des moyens de calcul embarqué permettent le développement de nouvelles applications pour les systèmes mobiles, dans lesquels une partie du traitement de l’information peut s’effectuer au plus proche des capteurs. Le contexte de ce stage se compose d’un ensemble de véhicules (porteurs) dotés de moyens de communication fortement contraints en débit. L’objectif est d’identifier les informations sémantiques permettant de décrire l’environnement d’un porteur et de déterminer un ordre de priorité pour la transmission de ces informations sémantiques aux porteurs voisins, sur un modèle de communication pair-à-pair opportuniste et en présence de volatilité. Un axe de recherche consiste à se reposer sur des algorithmes de recherche opérationnelle / IA pour construire ces listes de priorité et ainsi déterminer à un instant t, l’information sémantique à transmettre et le porteur destinataire. Un scénario de protection collaborative peut être envisagé. La démonstration pourra s’effectuer sur un mini cluster de plateformes embarquées interconnectés par un réseau intermittent (filaire, déconnexions simulées). Ce stage est proposé par le département IA3D spécialisé dans l’étude et la mise en place d’algorithmes complexes pour les systèmes multi-agents autonomes et la science des données.

Compétences indispensables Compétences souhaitées • Algorithmique répartie • Aide à la décision • Techniques pour l’Intelligence Artificielle • Python.

• Outils pour le calcul distribué (MPI, ZeroMQ,..) • Quelques notions sur les systèmes de calcul

haute-performance embarqués (HPEC).

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 40: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 39 [email protected]

ASC2-2021-IA3D-3 Détection d’intrusions par émissions de signaux compromettants

Niveau requis Durée Mots-clés Bac + 5 6 mois Détection d’anomalies, Signal électromagnétique

Deep learning

Description du stage

En partenariat avec le laboratoire d’analyse des Signaux Parasites Compromettants de DGA-MI, le département IA3D (Intelligence Artificielle pour les Agents Autonomes & Datascience) propose un stage sur la détection d’intrusion sur un réseau électrique à partir du rayonnement EM des appareils non autorisés. De premiers travaux ont abouti à la mise en place de deux solutions IA permettant de détecter la présence d’un intrus dans un contexte expérimental (Publications à EUSIPCO 2020 et CAID 2020). Ce stage a pour objectif d’améliorer ces solutions afin de les rendre utilisables dans un contexte réel. Il s’agira d’adapter et d’améliorer les traitements pour pouvoir faire la détection d’intrus sur un temps continu long. Par ailleurs, une étude d’amélioration sur les performances à plus longue distance pourra être aussi réalisée. Un premier jeu de données générées par le laboratoire d’analyse des Signaux Parasites Compromettants est déjà utilisable et de nouvelles données pourront être générées en fonction de l’avancement des travaux.

Compétences indispensables Compétences souhaitées • Connaissances en IA et DeepLearning • Programmation (Python).

• Connaissances en traitement du signal • Une 1er expérience avec Pytorch ou Tensorflow.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 41: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 40 [email protected]

CGN1-2021-ERS-1 Données GHOM pour Simulation numérique Radar

Niveau requis Durée Mots-clés Bac + 5 6 mois Traitement du signal Logiciels SIG Radar

Description du stage

Dans le contexte actuel de détection électromagnétique et pour un certain nombre de systèmes radar futurs à développer, la conception des traitements (tels que l’imagerie SAR et la détection de cibles en environnements marin et terrestre) ne peut aisément se faire qu’en s’appuyant largement sur la simulation numérique puisque les missions à réaliser resteront inaccessibles à l’expérimentation. L’objet de ce stage consistera dans un premier temps à comprendre et appréhender les différentes données GHOM (Géographie Hydrographie Océanographie Météorologie) disponibles soit en open source soit via le Ministère des Armées, et ce notamment par l’utilisation de logiciels SIG tels que QGis (https://www.qgis.org/fr/site/). Dans un second temps, ces données GHOM seront ainsi utilisées, modifiées et agrémentées éventuellement de nouveaux éléments (en fonction de la vérité terrain), au format CDB (Common DataBase), de façon à alimenter les logiciels métier de DGA MI, comme par exemple pour simuler des images SAR synthétiques et aussi détecter telle ou telle cible dans tel ou tel environnement. Ce travail nécessite :

• une bonne maîtrise de la problématique Radar • une bonne aptitude à la prise en main de logiciels SIG publiques et logiciels métier internes • une bonne autonomie de travail mêlant approche théorique et simulation numérique • des notions du format Common DataBase (description de bases de données 3D de terrain).

Compétences indispensables Compétences souhaitées • Fonctionnement des logiciels SIG • Traitement du signal • Autonomie, Bon relationnel

• Electromagnétisme, radar, hyperfréquence • Connaissance du format CDB

Les “+” du stage Utilisation des logiciels métier du moyen SIROS (Simulation for Imagery Radar and Ocean Surveillance) de DGA MI. Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 42: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 41 [email protected]

CGN1-2021-GAC-1 Développement d’outil d’échange de données

Niveau requis Durée Mots-clés Bac + 3 / +5 3 ou 4 mois Traitement du signal Mesures

Description du stage

Développement C# d’un outil d’échange de données pour Expertise SICOMORE : Dans le cadre des activités d’expertise des systèmes de guerre des communications, des essais de caractérisation de systèmes radio sont mis en œuvre sur des moyens hybrides à DGA-MI. Le département GAC (Guerre Electronique Aéroportée et brouillage des Communications) propose un stage d’une durée de 3 mois, entre juin et septembre 2021, dans le but de créer un outil informatique SiCoMore (SIgnal COnversion & More) permettant de créer, de visualiser des fichiers de signaux et de les adapter à des générateurs de signaux et des équipements de type « brouilleurs » afin d’être émis en radiofréquence. SiCoMore permettra, au travers d’une IHM, de faciliter la création, la modification et la visualisation de fichiers échantillons représentant un signal en informatique. La représentation se fera suivant plusieurs modes : amplitude temps, temps fréquence, ... L’analyse des données s’effectuera en présentant les données sous formes d’histogrammes et de graphiques temps/valeurs... Le travail du stagiaire consistera à créer cette IHM permettant de paramétrer la génération et la modification des fichiers :

- Grâce à des outils disponibles type SCILAB, GNU RADIO, ... - En utilisant des cartes SDR type HackRF, carte ETHUS pour générer les fichiers et les tester - Qui seront applicables sur des générateurs de chez ROHDE & SCHWARZ, KEYSIGHT, ... - Et seront paramétrables en durée, répétition, niveau...

Le langage de programmation de SiCoMore envisagé est le C#. Le stagiaire rédigera la documentation logicielle associée sous la forme d’un manuel utilisateur.

Compétences indispensables Compétences souhaitées • Développement informatique en C#, • Traitement du signal, Dév. IHM.

• Connaissances de produits SDR, • Pilotage appareils de mesure.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 43: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 42 [email protected]

CGN1-2021-GAC-2 Amélioration d’un outil d’analyse

Niveau requis Durée Mots-clés Bac + 4 3 mois Traitement du signal Mesures interception

Description du stage

Dans le cadre des activités d’expertise des systèmes de guerre électronique radar des avions d’armes, des essais de caractérisation de ces systèmes sont mis en œuvre sur des moyens hybrides à DGA-MI. Le banc d’acquisition MELBA a été conçu pour enregistrer et analyser les données de ces essais. Le département GAC (Guerre Electronique Aéroportée et brouillage des Communications) propose un stage d’une durée de 3 mois, entre juin et septembre 2021, dans le but de faire évoluer l’outil TRAM (Traitement et Analyse de sortie MELBA), développé pour améliorer l’analyse d’essais de guerre électronique venant du banc d’acquisition MELBA. TRAM permet au travers d’une IHM de faciliter l’analyse des données en présentant les données sous formes d’histogrammes et de graphiques temps/valeurs... Il a été développé dans le cadre d’un stage précédent et est documenté. Le travail du stagiaire consistera notamment à porter cette IHM pour un banc différent en développant donc :

• un portage de TRAM pour un outil en temps/fréquence, • des ajouts de fonctionnalités internes à TRAM.

Le langage de programmation de TRAM est le C++, avec la possibilité de développer des blocs en Python si nécessaire, le tout à l’aide de l’API Qt. Le stagiaire rédigera la documentation logicielle associée sous la forme d’un manuel utilisateur.

Compétences indispensables Compétences souhaitées • Développement informatique en C++, • Mesure des signaux, • Capacités de rédaction.

• Traitement du signal, • Autonomie, • Notion de développement d’IHM

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 44: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 43 [email protected]

CGN1-2021-GNS-1 Générateur de signaux télécom SDR synchrone

Niveau requis Durée Mots-clés Bac+5 en

électronique/informatique embarquée

6 mois Traitement du signal Radio-logicielle interception FPGA GnuRadio

Description du stage

Dans le domaine de la guerre électronique des télécommunications, le stagiaire aura en charge d’étudier et d’implémenter un moyen de génération sur la base d’équipements radio-logicielle (USRP ou châssis NI PXI). L’objectif de ce stage est de concevoir puis de développer une brique de génération de signaux RF pouvant être synchronisée. La synchronisation basée sur un récepteur GPS pourra être absolue ou permettre la synchronisation de plusieurs générateurs afin de simuler des réseaux télécom synchrones (TDMA, évasion de fréquence). Les développements pourront se baser sur des solutions logicielle open-source (GnuRadio), ou sur des solutions de type labview ou labview FPGA RIO. Les étapes du stage seront :

- Elaboration du cahier des charges - Conception et choix des solutions (gnu radio ou labview) - Maquettage/réalisation - Tests - Rédaction d’un rapport de stage.

Compétences indispensables Compétences souhaitées • Informatique et électronique industrielle. • Autonomie sur les outils GnuRadio et/ou Labview, • base en FPGA.

• Connaissances de produits SDR, • Pilotage appareils de mesure.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 45: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 44 [email protected]

CGN1-2021-GNS-2 Outil de dépouillement et de capitalisation d’essais

Niveau requis Durée Mots-clés Bac+4 ingénieur en

informatique

6 mois Développement Base de données Python

Description du stage

Le département GNS (Guerre électronique Navale et Situation Tactique) propose un stage d’une durée de 3 mois dans le but de faire évoluer les outils MATAF et JADE, qui sont respectivement des outils de dépouillement automatisé et de capitalisation de données d'essais de guerre électronique. Dans le cadre des activités d’expertise des systèmes de guerre électronique radar, des essais de caractérisation sont déroulés sur des moyens hybrides. Des outils ont donc été développés afin de :

• dépouiller automatiquement les essais: les données sont extraites des fichiers d’enregistrement (fichiers XML) et sont mises en forme dans un rapport au format Word. L’IHM a été développée avec le langage Python en version 2.4 et les librairies PyQt4.

• capitaliser les essais: les données sont stockées dans une base de données SQLite et l’IHM a été développée dans la structure d’accueil Anaconda 3, qui utilise le langage Python en version 3.7 et les librairies PyQt5 ;

La première partie du stage consistera à porter l’outil MATAF dans la version la plus récente de la structure d’accueil (Anaconda 3 avec Python 3.7) et de mettre à jour la documentation logicielle associée. Dans la seconde partie, il s’agira de faire évoluer les fonctionnalités de JADE en intégrant les fonctions d’extraction de MATAF pour enrichir la base de données existante avec de nouvelles données liées aux tactiques de guerre électronique.

Compétences indispensables Compétences souhaitées • Codage informatique • Python et ses librairies (PyQt, SQLite) • Base de données

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 46: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 45 [email protected]

CGN1-2021-GNS-3 Simulation GE navale

Niveau requis Durée Mots-clés Bac +3 à +5

3 mois Développement IHM Python

Description du stage

L’objectif du stage est de faire le maquettage d’une IHM qui dépouillerait et présenterait les résultats d’une simulation numérique de manière ergonomique.

La simulation numérique en question est celle d’un engagement entre l’autodirecteur électromagnétique (AD EM) d’un missile et les contre-mesures électromagnétiques (CME) d’un système de guerre électronique (SGE).

Cette IHM doit permettre de faire ressortir non seulement les résultats mais aussi les évènements clefs qui ont entraîné ces résultats. Un essai pourra ainsi être analysé efficacement. Deuxièmement, la simulation pourra comporter des essais paramétriques, une étude similaire devra essayer de discerner la meilleure façon de présenter de tels résultats.

Compétences indispensables Compétences souhaitées • Maîtrise de Python • Qt Designer.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 47: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 46 [email protected]

CGN1-2021-GNS-4 Automatisation création scènes électromagnétiques

Niveau requis Durée Mots-clés Bac +4

3 mois Développement IHM Python

Description du stage

Automatisation de la création de scènes électromagnétiques :

L’objectif du stage sera d’automatiser la création de scénarios ELINT denses. Ces scénarios denses sont utilisés pour la qualification de traitements de données ELINT.

Les différentes étapes du stage pourront être :

• Comprendre les paramètres d’un radar impulsionnel (LI, PRI, Fréquence, PRA, … et les notions de modes, sous-modes et balayages antennaires associés)

• La lecture de données Radar à partir d’un MCD (modèle conceptuel de données) • Automatiser la création de scénarios ELINT à partir de ce MCD • Développer une IHM pour permettre la création de scénarios de manière plus ergonomique • (Si le temps le permet) Automatiser la création de scénarios COMINT à partir d’une base de données.

Compétences indispensables Compétences souhaitées • Programmation informatique Python et IHM

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 48: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 47 [email protected]

CGN1-2021-RSE-1 Développement micro-logiciel d’un système

Niveau requis Durée Mots-clés DUT GE2i

Bac+2, électronique et informatique industrielle

2 à 3 mois Développement Antennes Protocoles Arduino

Description du stage

Développement micro-logiciel d’un système de positionnement d’antennes : Etude et développement de la commande de position des antennes :

• 1 interface I2c sur chacun des 2 panneaux d’antennes • 8 antennes par panneau • Développement sous environnement Arduino • Vérins électriques commandés en PWM

Etude et mise en œuvre du protocole I2c de commande des panneaux d’antennes

• 1 interface maître et 2 interfaces I2c

Etude et mise en œuvre du protocole Ethernet de commande du système Etude et mise en œuvre d’une Interface Homme Machine (IHM) de commande du système.

Compétences indispensables Compétences souhaitées • Langages C et C++ • Arduino.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 49: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 48 [email protected]

CGN1-2021-RSE-2 Traitement du signal, mesure de furtivité radar

Niveau requis Durée Mots-clés Bac +5 5 à 6 mois Furtivité Radar Traitement du signal

Description du stage

Traitement du signal pour amélioration des capacités de mesure de furtivité radar en basses fréquences Ce stage s’inscrit dans le contexte de la maîtrise des performances de furtivité électromagnétique des plates-formes nationales (avions de chasse, drones, missiles stratégiques et tactiques, …). Pour répondre à ce besoin, DGA Maîtrise de l’Information dispose, entre autres, d’une base de mesure de signatures radars unique en Europe (appelée SOLANGE) permettant la mesure d’aéronefs échelle 1 tels que le Rafale ou le démonstrateur de drone de combat NEURON. Cependant, cette base n’étant pas faradisée, les mesures de signatures radars effectuées dans certaines bandes de fréquences peuvent être perturbées par les émissions d’émetteurs extérieurs (TNT, GSM, émetteurs de radio surveillance, …). Compte-tenu de la furtivité des aéronefs mesurés dans SOLANGE, ces perturbations peuvent présenter des niveaux d’amplitude pénalisants. Dans ce contexte, l’objectif du stage est alors d’étudier l’efficacité de différentes méthodes de traitement du signal et de proposer une méthodologie innovante de mesure permettant de supprimer ou réduire significativement l’impact de ces perturbations sur nos mesures. Les travaux à mener seront de prendre connaissance des processus et traitements de mesures existants, d’analyser les données de mesures disponibles, de réaliser une étude bibliographique et de comparer l’efficacité de nouvelles méthodes de filtrage de ces perturbations.

Compétences indispensables Compétences souhaitées • Traitement du signal, • Hyperfréquence, • Langage de programmation Matlab.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 50: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 49 [email protected]

CGN1-2021-RSE-3 Chambre anéchoïque de mesures de furtivité radar

Niveau requis Durée Mots-clés Bac +4 ou +5 4 mois Electromagnétisme Hyperfréquence Radar

Description du stage

Etude de conception d’une nouvelle chambre anéchoïque de mesures de furtivité radar

Ce stage s’inscrit dans le contexte de la maîtrise des performances de furtivité électromagnétique des plateformes nationales (avions de chasse, drones, missiles stratégiques et tactiques, …). Pour répondre à ce besoin, DGA Maîtrise de l’Information dispose, entre autres, d’une chambre anéchoïque dédiée à la mesure de signatures radars de plateformes telles que des drones, missiles, roquettes… Cette base, appelée CHEOPS, a été créée en 1972 pour répondre aux besoins des programmes d’armement en termes de maitrise et d’expertise des signatures radars. Presque 50 ans plus tard, elle nous permet encore de répondre à un grand nombre de besoins des programmes d’armement grâce à différents marchés de maintenances et d’évolutions techniques. Cependant de nouveaux besoins des programmes d’armement nous conduisent à concevoir une nouvelle base de mesures. Le projet a donc pour objectif d’étendre les capacités actuelles de CHEOPS pour répondre à de nouveaux besoins programmes. Les principaux besoins exprimés et dimensionnant pour le projet sont l’évaluation de signatures radars en basses fréquences, en multistatique ou encore à angles de site élevés. Dans ce contexte, l’objectif du stage est alors d’étudier et de définir les capacités de mesures accessibles et envisageables de cette nouvelle base de mesures pour répondre aux nouveaux besoins des programmes d’armement. Les travaux à mener seront de prendre connaissance du cahier des charges et des besoins programmes, d’analyser les capacités actuelles de la base CHEOPS, de réaliser une étude bibliographique sur les chambres anéchoïques dans le monde, … tout ceci dans le but de définir les capacités accessibles en termes de basses fréquences, d’angles d’observation de la cible sous test (multistatisme, site), etc.

Compétences indispensables Compétences souhaitées • Electromagnétisme , Hyperfréquence

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 51: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 50 [email protected]

CGN2-2021-SDO-1 Exploitation de mesures de fonds de ciel nuageux

Niveau requis Durée Mots-clés Bac +5 3 à 5 mois Mesure infrarouge Optronique Traitement d’images

Description du stage

Le stage consiste à exploiter les séquences d’images acquises par l’imageur (constituant une grande masse de données) afin de disposer de visualisations rapides, de supprimer les séquences inexploitables (ex : présence de gouttes sur le miroir de l’imageur), puis à exploiter ces données pour caractériser la couverture nuageuse (type, taux de couverture, base du nuage…). Dans ce cadre, une méthode pour reconnaître le type de nuage présent à l’aide de la mesure de la température de brillance et de l’épaisseur optique des nuages sera développée puis appliquée sur les séquences acquises. Les hypothèses nécessaires à la mise en place de cette méthode pourront être confortées par des calculs d’éclairement réalisés en mettant en œuvre les codes de transfert radiatif MATISSE et MODTRAN, dont les sorties seront comparées aux mesures d’éclairement prises au niveau du sol (pyranomètres, éclairement total reçu par l’imageur…). Pour cela, l’ensemble des mesures météorologiques seront prises en compte. Enfin, le résultat de ces travaux se concrétisera par la création de fichiers d’environnement qui constituent les données d’entrée aux solveurs thermiques utilisés à DGA MI : TAITHERM, SE-Thermal-1D.

Compétences indispensables Compétences souhaitées • Programmation en informatique (C++ / Matlab), • Traitement d’images, Optronique.

• Modélisation du transfert radiative dans l’atmosphère.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 52: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 51 [email protected]

CGN2-2021-SDO-2 Etude variabilité des performances d’un imageur optronique réflectif

Niveau requis Durée Mots-clés Bac +5 4 à 5 mois Variables atmosphériques, Optronique Calculs de

performances DRI

Description du stage

Le département SDO (Signatures et Détection Optronique) dispose d’un outil permettant de calculer la distribution cumulée de la transmission atmosphérique dans les bandes Infrarouge thermiques pour des trajets optiques et une zone géographique déterminés (outil GENIUS- GENerator of Infradred Usual Statistics). Cette distribution est basée sur le calcul de coefficients d’extinction, coefficients qui caractérisent la transmission atmosphérique en IR. Dans les bandes réflectives (du spectre visible au SWIR), les données statistiques sur ce coefficient ne suffisent plus car la performance dépend de multiples contributeurs : éclairement, extinction et luminance de colonne. Le stage consiste à étudier la variabilité de portée DRI d’un imageur réflectif en fonction des différentes météos rencontrées sur une zone géographique déterminée. Pour cela le stagiaire :

- Modifiera le code de l’outil GENIUS pour permettre le calcul des différents contributeurs atmosphériques (via des appels à l’outil de modélisation de la transmission atmosphérique MODTRAN) ;

- Exploitera des bases de données météos pour calculer ces contributeurs atmosphériques avec une multitude de variable en entrée (position du soleil, orientation ligne de visée, trajet optique, …) ;

- Etudiera la variabilité des bilans de portées en considérant un rapport signal à bruit séparant les variables atmosphériques et les variables capteur, de la forme Delta_aldeboCible Fond∗LumRéfléchie

�Albedo_scène∗𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿é𝑓𝑓𝑓𝑓é𝑐𝑐ℎ𝑖𝑖𝑖𝑖+𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑓𝑓𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖

Compétences indispensables Compétences souhaitées • Python, C/C++ et Matlab. • Optronique.

• Modélisation et simulation numérique optronique (TRM4, NVIPM, MODTRAN).

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 53: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 52 [email protected]

CGN2-2021-SYSNAV-1 Etude des techniques d’astronavigation aéronautique

Niveau requis Durée Mots-clés Bac +5 6 mois Astronavigation Aéronautique Traitement du signal

Traitement de l’image

Description du stage

Dans le contexte actuel où le GPS peut être brouillé à moindre frais, la visée d’étoiles par star-tracker fusionnée par filtrage statistique optimal à de l’information inertiels gyroscopiques apporte une solution de navigation fiable et robuste aux systèmes aéroportés. Le stage a pour objet la réalisation d’une maquette mettant en œuvre ces techniques par visée stellaire et aide inertiel. Les algorithmes (Extraction de taches et matching de catalogue d’étoiles, fusion de données inertielles et stellaire i.e hybridation gyro- stellaire…) seront implémentés et évalués à partir d’images simulées et/ou réelles afin d’en dégager les performances et le domaine d’emploi. Ce stage consistera donc à : 1 - Concevoir une expérimentation des techniques d’astronavigation 2 - Réaliser une maquette composée de composants sur étagères 3 - Evaluer la robustesse et les performances la maquette. Le stagiaire aura à sa disposition : un état de l’art des techniques existantes, un accès internet, un PC avec environnement python, des jeux de données issues de campagnes d’essais et/ou de simulations ainsi qu'un panel de composants sur étagères.

Compétences indispensables Compétences souhaitées • Aéronautique, • Traitement du signal, • Traitement de l’image

• Autonomie • Rigueur scientifique

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 54: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 53 [email protected]

CGN2-2021-RNAV-1 Etude de l’impact d’interférents sur des récepteurs GNSS

Niveau requis Durée Mots-clés Bac +5 6 mois GNSS Matlab Traitement du signal

Description du stage Objectif : Mettre en place une stratégie puis développer un modèle permettant d’estimer de manière théorique l’impact d’un interférent sur un récepteur GNSS. Entre autre, le C/N0 pourra être un bon candidat afin de quantifier l’impact d’un interférent sur un récepteur. Des essais seront réalisés afin de comparer la théorie à la pratique. Pour aller plus loin, il serait d’intérêt de définir un seuil théorique de C/N0 au-dessus duquel la poursuite du code des signaux GNSS par un récepteur est possible (l’étude de la poursuite de la porteuse serait un plus). Le travail demandé pourrait se décomposer comme décrit ci-dessous :

1) A partir des documents présents dans la littérature, développer un outil (en Matlab par exemple) capable de calculer le C/N0 équivalent en fonction de l’interférent. La principale difficulté de ce premier point réside dans l’estimation du facteur de qualité Q dont la notion est très proche de celle du SSC (Spectral Separation Coefficient) [4]. Le principe est d’intégrer le produit des spectres fréquentiels (ou des densités spectrales) du signal utile et du signal de brouillage.

2) Estimer de manière théorique, et pour chaque modulation considérée, la valeur de Q minimale pouvant être obtenue. Cette valeur permettra de calculer le pire impact qu’un brouillage, avec une puissance donnée, pourrait avoir sur un récepteur travaillant avec des signaux GNSS donnés.

Réaliser des essais sur différents récepteurs GNSS afin de voir si la théorie et la pratique sont cohérentes. Il est attendu qu’en pratique, les résultats dépendent du récepteur. Il est demandé dans ce dernier point de réfléchir à une méthodologie permettant d’avoir un modèle théorique représentatif de la réalité mais surtout représentatif d’une large gamme de récepteurs. Pour cela il pourrait-être utile de s’intéresser aux valeurs de C/N0 estimées par les récepteurs en absence de brouillage.

Compétences indispensables Compétences souhaitées • Traitement du signal, Matlab • GNSS, GPS et Galiléo est un plus

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 55: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 54 [email protected]

CGN2-2021-TIS-1 Visée stellaire

Niveau requis Durée Mots-clés Bac +5

traitement d’images 6 mois Réseaux de neurones MATLAB

Description du stage

Le stagiaire aura pour objectif de mettre en place un réseau de neurones permettant l’identification de nuages et la discrimination des images parasites à partir d’une base d’images issues de mesures obtenues en environnement aéronautique. En interaction avec une équipe de 4 ingénieurs et dans un département assurant l’expertise et l’évaluation de systèmes inertiels pour la navigation de porteurs militaires, ce stage rentre dans le cadre d’études pour le développement de solutions de navigation innovantes. La variété de formes, de textures, et d’opacité des nuages, mêlée à des phénomènes parasites sur les images (halo ou voile lumineux, effets de ghost, …), ne permet pas une simple opération d’extraction sur un fond de ciel uniforme. Les phénomènes parasites vont être plus ou moins atténués suivant la position du soleil par rapport au baffle du viseur et son cône d’exclusion. Les réseaux de neurones sont à présent très performants pour l’identification, ou la classification d’objets dans les images. Dans un premier temps, il sera proposé au stagiaire une architecture de réseau adaptée à cette problématique (GAN, R-CNN, ResNet, AlexNet, Inception, ...), avec le framework correspondant (tensorFlow (C++), pyTorch (python), Keras (python), caffe (C++/Matlab), …), installés sur une machine dédiée à cette tâche. Le stagiaire pourra identifier et mettre en œuvre d’autres solutions qu’il jugera plus adaptées suivant son niveau de compétence. Puis il procédera au développement d’une interface permettant la mise en forme des données d’apprentissage (à partir de nos images, ou en complétant avec une base de données d’images (ImageNet, COCO, Pascal VOC…) contenant des images de ciel. Enfin il évaluera le réseau de neurones sur un jeu de données n’ayant pas servi à l’apprentissage. Suivant les performances obtenues, il pourra être amené à tester différents modèles de réseaux de neurones.

Compétences indispensables Compétences souhaitées • Curiosité, Rigueur, Relationnel • Autonomie.

• MATLAB, C++, Python et réseaux de neurones.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 56: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 55 [email protected]

CGN2-2021-TIS-2 Migration et Développement d’une application python

Niveau requis Durée Mots-clés DUT Informatique 2 à 3 mois Développement Python

Description du stage

OSCAR est une application spécifique permettant d’émuler un alignement de type « Référence Porte-Avions » sur Rafale, développée en PYTHON 2.7. Cette application est utilisée actuellement sur une plateforme Windows 10. Les travaux demandés sont : - De migrer le code source en PYTHON 3.6 - De coder les nouvelles fonctionnalités demandées - De documenter le code source - Intégrer OSCAR dans un raspberry Pi dédié.

Compétences indispensables Compétences souhaitées • Développement en Python

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 57: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 56 [email protected]

CGN2-2021-TIS-3 Développement d’un logiciel d’acquisition

Niveau requis Durée Mots-clés DUT Informatique 2 à 3 mois Développement Python

Description du stage

Développement d’un logiciel d’acquisition sur banc FPGA avec datation et conversion de données CAN-ASYNC sur RASPBERRY PI : - Développement d’un logiciel client-serveur sous Python pour dialoguer avec un châssis Compact RIO de

National instruments (partie RT et FPGA) afin de configurer l’acquisition de trames numérique (ASYNC, 1553, CAN), entrées digitales et analogiques.

- Assurer la datation des octets par source de temps IRIG-B ou GPS et stockage des informations au format binaire. L’envoi d’octets par cycle ou non sera implémentée sur les différentes liaisons.

- Permettre la relecture des données enregistrées. - En complément, une programmation sur Raspberry pi 3 permettra la conversion d’information de BUS CAN

vers bus ASYNC en temps réel sous Python. Une documentation du code sera fournie à la fin du stage.

Compétences indispensables Compétences souhaitées • Développement en Python • Données numériques et analogiques

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 58: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 57 [email protected]

MAN-2021-CGP-1 Optimisation de trajectoires de drones de combat

Niveau requis Durée Mots-clés Bac +5 6 mois Systèmes d’armes Drone RO Matlab

Description du stage

Le sujet s’attaque à une problématique très actuelle : 1. L’amélioration des capacités de construction automatique et d’optimisation des trajectoires pour les

plates-formes futures (futur missile, futurs drones de combat…).

2. L’objectif de ce stage est de contribuer à l’amélioration des outils existants en étudiant différentes méthodes de recherche de chemin optimal afin d’automatiser le formage de trajectoires garantissant la réussite d’une mission prédéfinie en tenant compte de l’environnement et des différentes contraintes opérationnelles rencontrées (situation tactique), tout en cherchant à optimiser la survivabilité du système.

Compétences indispensables Compétences souhaitées • Optimisation/recherche opérationnelle • Logiciel Matlab-Simulink.

• Autonomie • Rigueur scientifique.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 59: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 58 [email protected]

MAN-2021-CGP-2 Développement d’un parachute autonome

Niveau requis Durée Mots-clés Bac +5 6 mois Robotique, Parachute Drone RO

Description du stage

Développement d’un parachute autonome de petite envergure : L’objectif de ce stage est de contribuer au développement et à l’amélioration d’un système aéro-larguée autonome permettant de ravitailler de manière individuel du personnel au sol. L’objectif premier de ce projet est de répondre à un besoin opérationnel des forces spéciales, mais il répond aussi à de nombreux besoins du domaine civil (ravitaillement de population lors de catastrophe naturelle…). Un premier prototype a déjà été développé. Les travaux restants concernent l’amélioration de la précision du point de chute afin de permettre, entre autre, un atterrissage sur une cible mobile. Une solution d’anticollision avec d’éventuels obstacles urbains pourra aussi s’avérer nécessaire. Les sujets traités par le stagiaire dépendront de l’avancement du projet lors de son arrivée ainsi que de ses appétences. Profil recherché : Roboticien ou de formation proche.

Compétences indispensables Compétences souhaitées • Modélisation de système • Analyse par intervalle • Algorithmique : Navigation Guidage Pilotage • Informatique : Linux, Python, Matlab.

• Autonomie • Polyvalence • Langage informatique : C ou C++ • Middleware : ROS.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 60: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 59 [email protected]

MAN-2021-CVO-1 Démonstrateur HUMS

Niveau requis Durée Mots-clés DUT ou Licence en génie Informatique

Industrielle

10 semaines mini Traitement du signal Arduino

Description du stage

Les HUMS (Health and usage monitoring systems) sont des dispositifs de mesure autonomes d’environnements mécaniques et thermiques implantés de manière permanente sur un système. L’objectif recherché est de traiter les mesures en temps réel afin de pouvoir vérifier préventivement que l’endommagement subi par le système ne dépasse pas son potentiel qualifié. Le stage proposé a pour objectif de valider la faisabilité d’implantation sur un HUMS des méthodes de détermination du potentiel de vie des munitions (vieillissement thermique et mécanique), de mesurer le temps de calcul nécessaire et la consommation énergétique du HUMS. Les travaux vont consister à :

• Etape 1 : faire fonctionner une carte programmable de type Rasberry ou Arduino comme un système d’acquisition de données thermiques et mécaniques à partir des capteurs correspondants,

• Etape 2 : traiter en temps réel les mesures dans des modèles de vieillissement pour en déduire un niveau d’endommagement thermique (Durée équivalente) et mécanique (Contrainte et Fatigue) à comparer avec un gabarit

Compétences indispensables Compétences souhaitées • Mise en œuvre de cartes programmables • Programmation Python • Traitement du signal

• Notions de mécanique vibratoire

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 61: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 60 [email protected]

TEC-2021-SPC-1 Modélisation de la propagation

Niveau requis Durée Mots-clés Bac +5

PFE 6 mois Télécommunication Propagation, Deep Learning IA

Description du stage

Dans le domaine des télécommunications, le stagiaire aura en charge d’étudier si et comment les techniques de « deep learning » peuvent apprendre sur des données de mesures de propagation ou des données issues de calculs de propagation déterministes comme CARDIF et aboutir à des algorithmes d’IA capables de produire de la prédiction de propagation. Des résultats prometteurs ont émergés à DGA MI et serviront de point de départ pour le stagiaire. Les travaux s’appuieront sur des données expérimentales correspondant à des mesures de propagation réalisées sur des profils de terrains très variés. Les étapes du stage sont : 1) S’approprier les premiers résultats 2) Choix des méthodes, 3) Evaluation des performances : gains obtenu avec l’utilisation d’un « modèle IA » ayant réalisé son apprentissage sur des résultats expérimentaux. 4) Evaluation des performances par apprentissage par rapport à un modèle de référence et identification des situations de mauvaise prédiction du modèle. Le but est d’obtenir :

• un modèle de propagation pour améliorer les résultats dans les cas complexes et pour se substituer aux modèles de propagation classiques 2D pour prouver la faisabilité.

• Un modèle de propagation pour effectuer des calculs rapides pour les besoins opérationnels et éviter ou limiter la réalisation de mesures sur le terrain.

Le stagiaire devra avoir des connaissances en deep learning, une bonne maîtrise des environnements de programmations (langage python, Tensorflow 2.x/PyTorch) et des connaissances de base dans le domaine télécoms/propagation des ondes.

Compétences indispensables Compétences souhaitées • Initiative, autonomie. • Techniques d'IA (Deep learning, …) • Tensenflow 2.x ou PyTorch, Python.

• Télécoms, • Propagation radioélectriques.

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 62: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 61 [email protected]

TEC-2021-STR-1 Synchronisation fréquentielle pour DSSS

Niveau requis Durée Mots-clés Bac +5 6 mois Comm numériques Traitement du signal

Description du stage Certains porteurs, comme les aéronefs, nécessitent d’avoir des liens de communication robustes aux très fortes mobilités. Les opérations extérieures (OPEX) présentent des difficultés en terme de coordinations fréquentielles. De ce fait, les systèmes de communication militaires doivent être robustes aux interférences. Des réflexions sont en cours vers un potentiel regain d’intérêt pour la modulation à étalement de spectre (DSSS) et l’accès multiple par répartition de codes (CDMA). En effet, le DSSS offre un gain de discrétion et une bonne robustesse vis-à-vis des interférences. Le DSSS et CDMA ont été longuement étudiés fin des années 90 et début 2000 pour des applications civiles (Wi-Fi et UMTS). Leurs performances n’ont cependant pas été étudiées pour des scénarios hostiles : très fort Doppler, interférences avec d’autres systèmes, … Des questions émergent sur les algorithmes de réception à favoriser en fonction des scénarios radio. Plus précisément, nous nous intéresserons à la complexité d’implémentation et la robustesse des algorithmes de synchronisation fréquentielle vis-à-vis de scénarios à forte mobilité et en présence d’interférence. L’étude débutera par un état de l’art de la modulation DSSS et des algorithmes de synchronisation temporelle et fréquentielle associés. Un choix sera fait sur les algorithmes qui seront à implémenter dans la chaine de simulation existante. Des simulations seront effectuées sur des canaux à forte mobilité avec présence de différents types d’interférence. Une analyse et comparaison des performances des différents algorithmes sera effectué en fonction des scénarios de mobilité et des formes d’onde d’interférence. Idéalement, des développements analytiques seront développés pour expliquer les résultats. L’étude permettra de conclure sur les types de récepteurs à mettre en œuvre en fonction des scénarios.

Compétences indispensables Compétences souhaitées • Communications numériques, • Traitement du signal, Matlab

• Programmation C

Les “+” du stage La soumission d’un article en conférence pourrait être envisagée si des résultats pertinents dans des scénarios, configurations standards et génériques sont obtenus. Des réunions d’avancement auront lieu avec un doctorant de l’Université de Bretagne Occidentale (UBO) et Thalès SIX et un post-doc de l’ENSTA Paris qui travaillent sur le même sujet. Ceci permettra à l’étudiant d’agrandir son réseau professionnel.

Page 63: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 62 [email protected]

TEC-2021-STR-2 Développement d’un système de sondage de canal

Niveau requis Durée Mots-clés Bac +5 6 mois Comm numériques Traitement du signal Sondage de

canal

Description du stage Domaines précis : Sondage de canal, communications numériques, SDR, traitement de signal, GNU Radio, Python, logiciel embarqué, Matlab, multi-trajets, MIMO. Le manque ou l’absence de modèles de propagation dans les bandes de fréquence centimétrique et millimétrique pour des liaisons air-sol et air-air ne permet pas de définir des formes d’ondes et algorithmes de réception adaptés. Ceci est particulièrement important pour certains porteurs, comme les aéronefs qui nécessitent d’avoir des liens de communication robustes aux très fortes mobilités et aux multi-trajets. Le sondage de canal est une méthode de mesure permettant d’analyser le comportement des ondes électromagnétiques en environnement réel. Il permet de caractériser la propagation des ondes électromagnétique afin d’en extraire ses caractéristiques, (temporelles, fréquentielles, spatiales) et d’en générer un modèle statistique. L’objectif de l’étude est de finaliser un système de sondage de canal à l’aide de matériel SDR USRP ETTUS [1]. L’étude débutera par une bibliographie des effets du canal de propagation sur un signal de communication radio et des techniques de sondage de canal. L’étude sera suivie du développement d’un émetteur sur une plateforme USRP compatible du sondeur de canal existant. Le choix du langage de programmation sera à définir pour garantir la facilité d’utilisation, l’évolutivité et la pérennité du système (compatibilité avec d’autres plateformes USRP par exemple). Le traitement des données issues du sondeur sera à réaliser avec Matlab. L’utilisation d’un émulateur de canal permettra de vérifier et de déterminer les capacités du sondeur. L’étude pourra être complétée par des campagnes de mesures terrain. [1] : https://www.ettus.com/all-products/e310/

Compétences indispensables Compétences souhaitées • Electronique, Systèmes embarqués, Matlab, Python,

Télécommunications

Les “+” du stage Les travaux menés feront l’objet d’un rapport de stage qui doit être contrôlé par l’administration.

Page 64: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 63 [email protected]

www.dghack.fr

« DG'hAck : capture the Job ! Ou comment remporter un stage ou un poste à DGA Maîtrise de l'information »

Ce challenge en cybersécurité est ouvert aux étudiants et professionnels du 12 au 27 novembre 2020. Les joueurs les mieux classés se verront offrir un entretien de sélection pour un stage de fin d’étude ou un emploi en CDI à DGA Maîtrise de l'information, sans passer par une pré-sélection sur épreuve technique.

Page 65: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 64 [email protected]

Index

Aéronautique ................................................................................................................................................................................................... 52 Analyse ........................................................................................................................................................................................................ 17, 25 Analyse de code .............................................................................................................................................................................................. 27 Analyse statique .............................................................................................................................................................................................. 27 Android ................................................................................................................................................................................................ 14, 15, 24 Antennes ............................................................................................................................................................................................................ 47 Apprentissage .................................................................................................................................................................................................. 35 Apprentissage machine ................................................................................................................................................................................ 37 Arduino ........................................................................................................................................................................................................ 47, 59 Assembleur ....................................................................................................................................................................................................... 25 Astronavigation ............................................................................................................................................................................................... 52 Base de données ............................................................................................................................................................................................. 44 BigData ............................................................................................................................................................................................................... 12 Calculs de performances DRI ...................................................................................................................................................................... 51 Collecte .............................................................................................................................................................................................................. 19 Communications numériques ............................................................................................................................................................. 61, 62 Container ........................................................................................................................................................................................................... 13 Cryptographie .................................................................................................................................................................................................. 22 CVE ....................................................................................................................................................................................................................... 24 Deep Learning ............................................................................................................................... 26, 30, 31, 32, 33, 34, 35, 36, 39, 60 Deepfakes .......................................................................................................................................................................................................... 36 Développement ........................................................................................................................................... 16, 25, 44, 45, 46, 47, 55, 56 DevOps ............................................................................................................................................................................................................... 12

Page 66: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 65 [email protected]

Drone ........................................................................................................................................................................................................... 57, 58 Electromagnétisme ........................................................................................................................................................................................ 49 Embarqué ................................................................................................................................................................................................... 23, 26 Firmware ............................................................................................................................................................................................................ 17 FPGA ............................................................................................................................................................................................................. 22, 43 Furtivité .............................................................................................................................................................................................................. 48 GNSS .................................................................................................................................................................................................................... 53 Gnuradio ............................................................................................................................................................................................................ 43 GPGPU ................................................................................................................................................................................................................ 37 Hyperfréquence .............................................................................................................................................................................................. 49 IA .......................................................................................................................................................................................................................... 60 IHM ............................................................................................................................................................................................................... 45, 46 Intégration......................................................................................................................................................................................................... 16 Intelligence Artificielle .................................................................................................................................................... 30, 31, 32, 33, 34 Java ............................................................................................................................................................................................................... 15, 25 Knowledge Extraction ................................................................................................................................................................................... 20 Knowledge Graph ........................................................................................................................................................................................... 21 Kotlin ................................................................................................................................................................................................................... 15 Kubernetes ........................................................................................................................................................................................................ 13 Langage .............................................................................................................................................................................................................. 18 Linked Data ....................................................................................................................................................................................................... 20 Localisation physique .................................................................................................................................................................................... 29 Logiciels SIG ...................................................................................................................................................................................................... 40 Matlab ................................................................................................................................................................................................. 53, 54, 57 Mesure infrarouge.......................................................................................................................................................................................... 50 Mesures ...................................................................................................................................................................................................... 41, 42 Ontology ............................................................................................................................................................................................................ 21 Optronique................................................................................................................................................................................................. 50, 51 Protocoles ......................................................................................................................................................................................................... 47 PUF....................................................................................................................................................................................................................... 22 Python ................................................................................................................................................................... 14, 15, 28, 44, 45, 55, 56 Radar .................................................................................................................................................................................................... 40, 48, 49 Radio-logicielle ................................................................................................................................................................................................ 43

Page 67: Book de stages prévisionnels ingénieur 2019 - 2020€¦ · Book de stages prévisionnels ingénieur 2019 - 2020 DGA MAÎTRISE DE L’INFORMATION 136, La Roche marguerite BRUZ 35170

DGA Maîtrise de l’information 66 [email protected]

Recherche opérationnelle ............................................................................................................................................................ 38, 57, 58 Réseaux de neurones .................................................................................................................................................................................... 54 Reverse ........................................................................................................................................................................................................ 23, 24 ROPCHAIN ......................................................................................................................................................................................................... 23 SAR ....................................................................................................................................................................................................................... 29 Scénario MITRE ............................................................................................................................................................................................... 28 Sécurisation ...................................................................................................................................................................................................... 13 Side channel attack ........................................................................................................................................................................................ 26 SIEM .................................................................................................................................................................................................................... 12 Simulink .............................................................................................................................................................................................................. 57 Sonde .................................................................................................................................................................................................................. 28 Télécommunication................................................................................................................................................................................. 33, 60 Text mining ........................................................................................................................................................................................................ 20 Traduction ......................................................................................................................................................................................................... 18 Traitement d’images ........................................................................................................................................................ 30, 31, 32, 36, 50 Traitement du signal ................................................................................................................... 40, 41, 42, 43, 48, 52, 53, 59, 61, 62 Veille web .......................................................................................................................................................................................................... 19 VHDL Verilog ..................................................................................................................................................................................................... 22