This thesis investigates the offloading and scheduling of stream applications in heterogeneous and dynamic edge-cloud environments, with a focus on optimizing system performance, primarily in terms of latency and throughput. It proposes a _Machine Learning - based predictive stream processing system_ that combines both offline and online task scheduling. The proposed system adapts at runtime to workload variations, ensuring seamless and continuous application operation.

Started on: 05/02/2025

Our research topic can be summarized as proposing novel approaches for optimizing security component placement in IoT environments to enhance data confidentiality and access control, with a focus on improving data confidentiality and system efficiency. We introduce the DPPAC model, which combines Formal Concept Analysis (FCA) and Role-Based Access Control (RBAC) for efficient access control, and extend it with fuzzy logic for enhanced adaptability and flexibility in dynamic IoT networks.

Started on: 03/01/2024

À travers ce travail de recherche, nous communiquons une compréhension détaillée de la manière dont la technologie blockchain peut être optimisée et appliquée pour renforcer la sécurité, la traçabilité et la gestion des données dans l’internet des véhicules. Nous cherchons donc définir une approche pour l’intégration optimale de la technologie blockchain au sein d’un système de l’internet des véhicules (IoV). Cette recherche s’achève sur l’élaboration d'une architecture blockchain spécifiquement adapté aux défis de l’IoV. L’intégration de la blockchain à l’IoV est alors exploré afin de fournir à la communauté d’ingénierie automobile une méthodologie innovante pour développer la mobilité intelligente dans l’intérêt de la confiance du public vis-à-vis des technologies connectées et autonomes.

Started on: 03/01/2024

The work focuses on the Hybrid Flow Shop Scheduling Problem (HFSSP), incorporating realistic constraints such as release dates, transportation times, and delivery deadlines. This problem is studied through the development of lower bounds, heuristic approaches, and exact methods, in order to better capture and address the complexity of modern industrial environments.

Started on: 01/03/2025

Started on: 05/02/2025

This research focuses on continuous gesture spotting in real-time video streams using intelligent approaches such as Transformers, 3D-CNN neural networks, and deep reinforcement learning, combined with time series classification techniques.

Started on: 06/01/2025

This thesis aims to develop automated methods for analyzing opinions expressed in user comments on commercially oriented social networks such as Facebook, Instagram, or LinkedIn. The main objective is to identify and classify user sentiments to extract actionable trends for brands and businesses. The work will rely on advanced techniques in Natural Language Processing (NLP), machine learning, and social network analysis to better understand consumer behavior and engagement.

Started on: 21/01/2025

My research focuses on developing a hybrid approach that combines Deep Learning and rule-based systems to enhance Big Data management in IoT environments. It emphasizes real-time processing and computational efficiency in distributed infrastructures such as Cloud and Edge computing.

Started on: 06/01/2025

Started on: 05/02/2025

Le sujet traite de l’optimisation de l’ordonnancement des tâches (Task Scheduling) et de l’équilibrage de charge (Load Balancing) dans les environnements Cloud, Fog et Edge Computing. Il s’intéresse à la gestion efficace des ressources et à l’organisation des traitements dans des systèmes distribués, en tenant compte de différents paramètres tels que le temps de réponse, le makespan, la consommation d’énergie et la scalabilité.

Started on: 06/01/2025

Started on: 06/01/2025

Le système proposé exploitera une méthode de sélection optimisée et intelligente des régions sensibles en identifiant des zones clés telles que des anomalies médicales ou des informations diagnostiques critiques. Les parties sélectionnées seront ensuite chiffrées en combinant les systèmes non linéaires à certaines techniques. Pour augmenter la robustesse, des approches hybrides seront par la suite explorées et appliquées.

Started on: 06/01/2025

This thesis advances recommender systems in online social networks by incorporating user character—defined as stable personality traits—into the recommendation process. Existing systems often overlook how character influences users’ responses to suggestions. This research formalizes the concept of character within OSNs, develops methods to infer it from user-generated data, and integrates it into recommendation algorithms. The proposed “Character-Aware Recommender System” (CARS) aims to deliver more personalized, meaningful, and well-being-focused recommendations tailored to individual users

Started on: 06/01/2025

Started on: 05/02/2025

Started on: 05/02/2025

Le système proposé exploitera une méthode de sélection optimisée et intelligente des régions sensibles en identifiant des zones clés telles que des anomalies médicales ou des informations diagnostiques critiques. Les parties sélectionnées seront ensuite chiffrées en combinant les systèmes non linéaires à certaines techniques. Pour augmenter la robustesse, des approches hybrides seront par la suite explorées et appliquées.

Started on: 03/03/2025

Started on: 04/06/2025

Started on: 06/01/2025