Post-Doctorant F/H

confronter aux intentions initiales. Les écarts, qualifiés de ‘dérive d’intention’, sont mesurés par 1 métrique de performance et 4 métriques de sémantique. L’évaluation est limitée à la mesure de la performance de la qualité de service du réseau.

Ce postdoc est réalisé dans le cadre d’un partenariat entre l’équipe de recherche RESIST et le laboratoire LRE/EPITA dans le cadre du PEPR Cyber sécurité.

Mission confiée

Dans ce projet, nous développons une nouvelle approche, nommée BlueTeamLLM qui combine à la fois la génération automatisée de configurations de sécurité à partir d’intentions (intents) [Clemm2020] et des tests d’intrusions automatisés par des modèles agentique [Challita2025] développé au LRE (Laboratoire de Recherche de l’EPITA), couplés à des LLM offensifs [ElYagouby2025] développé au LORIA. Cette approche s’appuie également sur des métriques de dérives conceptuelles définies dans [Michel2026] (LRE) afin de rendre la détection plus robuste et résistantes à ces tests d’intrusion. BlueTeamLLM est une première brique qui doit permettre de fermer la boucle protection > détection > réaction, et de résoudre la question de l’évaluation de la qualité des configurations générées en couplant les méthodologies développées au LORIA et au LRE. Pour répondre aux limitations actuelles des modèles d’intentions appliqués à la cybersécurité proactive, le projet BlueTeamLLM définit deux phases dans le déploiement des configurations générées par intentions: la phase de protection, et la phase de réaction., Dans la phase de protection, les intentions sont couplées à une cartographie dynamique des systèmes (par outils de scan - nmaps - ou de monitoring - greenbone) permettant de générer des configurations réseau et système cohérentes à la fois avec les politiques et contrôles de sécurité, modélisés par les intents, et avec le déploiement du système, mis à jour en temps réel. L’automatisation du déploiement et de placement de sondes de détections est une des mesures de sécurité possibles sans être exclusive en complément des mécanismes de contrôle d’accès et de renforcement (hardening) des systèmes et réseaux.

Dans la phase de réaction, les informations de détection complètent les spécifications d’intentions et la cartographie pour adapter les configurations de sécurité à l’évolution observée de la menace. Des leurres (honeypots, etc.) sont intégrés aux outils de configuration comme réaction possible pour compliquer la tâche de l’attaquant. Les travaux en cours au LORIA et au LRE peuvent également fournir des modèles adaptés, pour éviter toute dépendance technique., Thèse soutenue sur un sujet étroitement lié à l’application de l’IA, en particulier des LLM, à la cybersécurité.

Compétences techniques et niveau requis : Python, Agentic AI

Langues : Anglais, Français

• Restauration subventionnée
• Transports publics remboursés partiellement
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d’autorisations d’absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail (après 6 mois d’ancienneté) et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d’Inria)
• Accès à la formation professionnelle
• Sécurité sociale, Sécurité défense : Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST). L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST. Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement.

Politique de recrutement : Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap.

La mitigation d’attaque reste un sujet de recherche encore ouvert, notamment pour son automatisation. Néanmoins, les approches existantes restent encore partielles avec des boucles d’intention (intents) encore mal fermée, et ne permettent pas une validation précise des configurations de réaction générées. Les modèles actuels explorent les capacités d’automatisation des intentions, mais sans parvenir à proposer une boucle complète “protection -> détection > réaction”. Les questions de l’évaluation, souvent limitée à des mesures de qualité de service, et de la fermeture de la boucle de feedback, souvent manuelle et supportant au plus la qualité de service, restent pleinement ouverte. Un premier effort d’automatisation du mécanisme d’‘assurance des intentions par boucle de feedback est proposé par [Jing2026], mais se limite à la supervision de la performance du réseau, et à l’usage d’inférence pour extraire la sémantique des configurations déployées et permettre à l’opérateur de les, [Jing2026] Jing, Huimin, Chungang Yang, Ruichen Zhang, Shiwen Kou, and Dusit Niyato. “AICL: Autonomous Intent-Driven Control Loop to Mitigate Intent Drifts in Software-Defined Networking.” IEEE Communications Magazine (2026)

[Challita2025] Challita, Brian, and Pierre Parrend. “RedTeamLLM: an Agentic AI framework for offensive security.” IFIP International Workshop on Artificial Intelligence for Knowledge Management. Cham: Springer Nature Switzerland, 2025.

[Clemm2020] Clemm, A., L. Ciavaglia, L. Granville, and J. Tantsura. “Intent-based networking-concepts and definitions, 2021.” URL: https://tools. ietf. org/html/draft-irtf-nmrgibn-concepts-definitions-02, last accessed 25 (2020).

[ElYagouby2025] El Yagouby, M. A., Lahmadi, A., Zakroum, M., Festor, O., & Ghogho, M. (2025, October). LLM-CVX: A Benchmarking Framework for Assessing the Offensive Potential of LLMs in Exploiting CVEs. In Proceedings of the 18th ACM Workshop on Artificial Intelligence and Security (pp. 194-205).

[Michel2026] Julien Michel (2026). Détection d’attaques robuste en temps par métriques de communauté de graphes (Doctoral dissertation, Université de Strasbourg)., Inria, l’institut national de recherche dans les sciences et technologies du numérique, est en appui de l’État pour les stratégies nationales de recherche et d’innovation du numérique en tant qu’Agence de programmes. Inria mène plus de 300 projets de recherche et d’innovation avec ses 3500 scientifiques, ingénieurs et personnels d’appui, en partenariat avec les universités et l’écosystème numérique (entreprises, entrepreneurs, acteurs publics). Ensemble, nous explorons des domaines clés comme l’intelligence artificielle, la cybersécurité, l’informatique quantique, le Cloud, la transformation numérique de la santé, les jumeaux numériques ou encore les technologies numériques pour la défense. Nous construisons des solutions concrètes telles que des logiciels, des startups technologiques, des partenariats avec les entreprises du tissu national et des formations de pointe. Notre objectif : l’impact scientifique, technologique et industriel au service de la souveraineté numérique de la France.