Thèse h/f "sécurité du contenu vidéo dans une architecture de codage par apprentissage profond

Informations générales Organisme de rattachement CNRS Référence UMR8506-STEDOU-020 Date de début de diffusion 20/03/2026 Date de parution 25/03/2026 Date de fin de diffusion 10/04/2026 Intitulé long de l'offre Thèse H/F "Sécurité du contenu vidéo dans une architecture de codage par apprentissage profond" Date limite de candidature 10/04/2026 Nature du contrat CDD de 3 ans Versant Fonction Publique de l'Etat Catégorie Catégorie A (cadre) Nature de l'emploi Emploi ouvert uniquement aux contractuels Domaine / Métier Recherche - Chercheuse / Chercheur Statut du poste Vacant Intitulé du poste Thèse H/F "Sécurité du contenu vidéo dans une architecture de codage par apprentissage profond" Descriptif de l'employeur Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique. Description du poste Sujet de thèse : "Sécurité du contenu vidéo dans une architecture de codage par apprentissage profond" Au cours des dernières décennies, de nombreux algorithmes de compression vidéo ont été développés, la plupart se basant sur une architecture hybride combinant un codage par transformation et un codage prédictif. Les standards tels que H.264/AVC, HEVC et VVC suivent ce principe. Bien qu'ils offrent des performances de compression très efficaces, chaque module suit un design manuel et rigide. Par ailleurs, ces modules ne peuvent pas être optimisés conjointement de bout en bout. En parallèle, ces dernières années ont été marquées par le succès retentissant de l'apprentissage profond dans de nombreuses disciplines, notamment en vision par ordinateur et en traitement d'images. Ainsi, des architectures de codage basé sur l’apprentissage profond et une optimisation de bout en bout ont été proposées [Ding 2021, Li 2021, Quach 2022, Chen 2025]. Notamment, différentes solutions ont montré des performances compétitives pour le codage vidéo par rapport aux approches classiques. Dans ce contexte émergeant d’un codage vidéo par apprentissage profond, l’objectif de cette thèse est d’étudier la sécurité du contenu vidéo, notamment la confidentialité et l’intégrité du contenu. Bien que des solutions existent dans le contexte des codeurs classiques [Dufaux 2008, Shahid 2011, Shahid 2014, Boyadjis 2017], à notre connaissance, l’application à ces nouveaux codeurs n’a pas encore été explorée dans la littérature et soulève de nouveaux enjeux. Dans un premier temps, afin de préserver la confidentialité de la vidéo, nous planifions d’étudier le chiffrement ou l’obscuration des variables dans l’espace latent, après la quantification, mais avant le codeur entropique. Dans ce cadre, le.la Doctorant.e sera amené.e à considérer l’information Intra, l’information de résidu, l’information de mouvement, ou une combinaison. Cette approche garantit que le flux binaire compressé peut toujours être décodé, mais avec une vidéo reconstruite bruitée. Afin d’éviter une augmentation importante du débit, il faut veiller à préserver les statistiques des variables latentes. Comme l’espace latent présente une information sémantique du contenu, cette approche a le potentiel de permettre un chiffrement sélectif de certains objets de la scène, par exemple de flouter les visages dans un scénario de vidéo surveillance. Dans un deuxième temps, nous planifions d’explorer la vérification d’intégrité du contenu. Plus précisément, le.la Doctorant.e étudiera l’utilisation d’une fonction de hachage dans l’espace latent, combiné avec une signature numérique. Une attaque est détectée lorsque la signature numérique est manquante ou lorsque la valeur de hachage est différente de celle déchiffrée à partir du flux compressé. Contexte : Cette thèse se déroulera au sein au sein de l'équipe MULTINET du pôle Télécoms et Réseaux du laboratoire des signaux Voir plus sur le site emploi.cnrs.fr Conditions particulières d'exercice Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche. Descriptif du profil recherché Contraintes et risques : N/A Temps plein Oui Rémunération contractuels (en € brut/an) La rémunération est d'un minimum de 2300,00 € mensuel Localisation du poste Europe, France, Île-de-France, Essonne (91) Géolocalisation du poste GIF SUR YVETTE Lieu d'affectation (sans géolocalisation) 91192 GIF SUR YVETTE (France) Critères candidat Niveau d'études / Diplôme Niveau 8 Doctorat/diplômes équivalents Spécialisation Formations générales Langues Français (Seuil)