le 20 novembre 2025 à 13:00 à Université de technologie de Troyes
Dans cette thèse, nous avons travaillé sur le problème de généralisation rencontré dans deux cas de criminalistique des images: la stéganographie et la détection d'intelligence artificielle générative. Notre premier objectif a été d'approfondir la compréhension de ce problème, en particulier dans le cas de la stéganalyse. Cette contribution prend la forme d'une revue systématique de vingt ans de littérature. Nous avons ensuite proposé une caractérisation statistique des sources d'images, montrant qu'elle pouvait capturer les différences entre diverses sources d'images. Nous avons validé ce cadre à travers de nouveaux indicateurs théoriques de la dégradation empirique des méthodes de stéganalyse dans des conditions de test inédites. Pour le problème de l'intelligence artificielle générative, nous avons également fourni une analyse systématique de l'impact des éléments du pipeline de génération sur la capacité de généralisation des détecteurs d'images générées. Nous avons ensuite proposé de nouvelles méthodes pour atténuer le problème de généralisation en stéganalyse et la détection d'images générées. Ces méthodes découlent principalement de la caractérisation des sources d'images que nous avons proposée, et vont des approches supervisées aux approches non supervisées, et de caractéristiques synthétiques de quelques dimensions aux modèles riches à grandes dimensions. Des expériences approfondies sur divers ensembles de données et configurations expérimentales nous ont permis de valider la pertinence de nos contributions.
M. Rémi COGRANNE Université de technologie de Troyes Directeur de thèse, M. Kai WANG UMR 5216 CNRS - Grenoble INP - Université Grenoble Alpes Rapporteur, M. Patrick BAS CNRS CRIStAL - Université de Lille Directeur de thèse, M. Fernando PÉREZ-GONZÁLEZ Universida de Vigo Rapporteur, Mme Jessica FRIDRICH Binghamton University Examinatrice, Mme Caroline FONTAINE CNRS LMF - Paris-Saclay Examinatrice.
français
English