Empreinte numérique des LED basée sur la physique pour une identification robuste et économique des dispositifs dans les systèmes VLC

Avec l'essor rapide des réseaux sans fil, en particulier dans la perspective des systèmes de communication de sixième génération (6G), la demande de sécurité de la couche physique s'intensifie. Les objectifs ambitieux de la 6G, tels que la latence ultra-faible, la connectivité massive et l'efficacité énergétique, mettent en évidence les limites des mécanismes cryptographiques classiques pour assurer la sûreté des échanges au niveau physique. Il se dégage un consensus sur la nécessité de mécanismes de sécurité légers et adaptatifs, aisément intégrables dans des environnements contraints en ressources. Pour répondre à ces enjeux, une large palette de techniques de sécurité de couche physique a été explorée, notamment l'injection de bruit artificiel, le brouillage coopératif, le beamforming sécurisé et l'authentification fondée sur le canal. Parmi elles, l'empreinte d'appareil se distingue par sa capacité à exploiter les imperfections matérielles intrinsèques à des fins d'identification et d'authentification. À la différence des schémas cryptographiques traditionnels, les méthodes d'empreinte ne reposent pas sur des clés pré-partagées et tirent parti de caractéristiques propres à chaque dispositif, extraites directement des signaux physiques. Néanmoins, de nombreuses approches existantes suivent un paradigme de type boîte noire, où l'extraction de caractéristiques est confiée à des modèles très gourmands en données et peu interprétables. Ces modèles présentent souvent des redondances et une complexité structurelle élevées, ce qui les rend vulnérables au sur-apprentissage lorsque les conditions d'exploitation varient. Par ailleurs, si la plupart des travaux s'intéressent à la robustesse vis-à-vis du bruit de canal et des fluctuations temporelles, l'influence des conditions de fonctionnement instantanées, telles que le courant de polarisation et la température, sur la stabilité des empreintes est fréquemment négligée. Une stratégie courante consiste à élargir l'ensemble d'apprentissage pour couvrir davantage de scénarios environnementaux, ce qui accroît la complexité de l'entraînement et aggrave le compromis entre généralisation et efficacité de calcul. En répondant aux lacunes et limites mises en évidence dans les travaux actuels sur l'empreinte matérielle de dispositifs à LED et sa robustesse face à des conditions environnementales dynamiques, cette thèse propose une méthode d'empreinte fondée sur des modèles physiques afin de réduire les coûts et de renforcer la stabilité de l'identification des dispositifs dans les futurs réseaux mobiles massifs. Les trois contributions majeures de la thèse sont les suivantes […]