Skip navigation
Please use this identifier to cite or link to this item: https://repository.esi-sba.dz/jspui/handle/123456789/487
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSMATI, MEriem-
dc.date.accessioned2023-10-15T08:52:07Z-
dc.date.available2023-10-15T08:52:07Z-
dc.date.issued2023-
dc.identifier.urihttps://repository.esi-sba.dz/jspui/handle/123456789/487-
dc.descriptionEncadrant : M. RAHMOUN Abdellatif / M. LAVAL Jannik / Co-Encadrant : M. NIANG Boubou-Thiamen_US
dc.description.abstractAbstract : The concept of Digital Twins (DTs) has progressed to encompass cognitive abilities, resulting in the emergence and appearance of Cognitive Digital Twins (CDTs). CDTs are virtual representations of tangible or physical systems that have been enhanced with cognitive capabilities to carry out independent activities and autonomous tasks. They consist of a collection of interconnected digital models that can handle various types of data and descriptive and simulation models. The idea of CDTs enhances the cognitive capabilities of DTs using semantic technologies, enabling them to become more intelligent, all-encompassing, and capable of providing a complete representation of complex systems throughout their entire life cycle. In this Engineering degree report, the main aspects and appliance of Digital Twin (DT) in resilience and anomaly detection based Machine Learning and Deep Learning approaches have been presented in the form of a a state of the art and led to the presentation of an experimental work that consists of developing a Cognitive Super-Digital Twin (CSDT) which not only replicates the actions of a system but also generates perturbations and anomalies as a means to bolster the system’s security and ensure its continuity. It can identify vulnerabilities and devise appropriate countermeasures. This proactive approach enables the system to adapt and fortify its security measures, mitigating potential risks and ensuring uninterrupted operation.*** Résumé : Le concept des Jumeaux Numériques (DT, pour Digital Twins) a évolué pour inclure des capacités cognitives, conduisant à l’émergence des Jumeaux Numériques Cognitifs (CDT, pour Cognitive Digital Twins). Les CDTs sont des représentations numériques de systèmes physiques augmentées de capacités cognitives pour exécuter des activités autonomes. Ils comprennent un ensemble de modèles numériques sémantiquement interconnectés qui permettent de lier et récupérer des données hétérogènes, ainsi que des modèles descriptifs et de simulation. Le concept de CDT améliore les capacités cognitives des DT grâce aux technologies sémantiques, ce qui les rend plus intelligents, complets et capables de représenter l’ensemble du cycle de vie des systèmes complexes. Dans ce rapport de diplôme d’ingénieur, les principaux aspects et applications des DT dans la résilience et la détection d’anomalies basées sur des approches d’apprentissage automatique et d’apprentissage profond ont été présentés sous la forme d’un état de l’art. Cela a conduit à la présentation d’un travail expérimental consistant à développer un CDT qui, non seulement reproduit les actions d’un système, mais génère également des perturbations et des anomalies aőn de renforcer la sécurité du système et garantir sa continuité. Il peut identiőer les vulnérabilités et élaborer des contre-mesures appropriées. Cette approche proactive permet au système de s’adapter et de renforcer ses mesures de sécurité, atténuant les risques potentiels et assurant un fonctionnement ininterrompu.en_US
dc.language.isoenen_US
dc.subjectDigital Twinsen_US
dc.subjectCognitive Digital Twinsen_US
dc.subjectArtiőcial Intelligenceen_US
dc.subjectMachine Learningen_US
dc.subjectDeep Learningen_US
dc.subjectInternet Of Thingsen_US
dc.subjectResilienceen_US
dc.titleThe Use of Cognitive Digital Twins on an IoT System for Edge Resilience and Anomaly Detectionen_US
dc.typeThesisen_US
Appears in Collections:Ingénieur

Files in This Item:
File Description SizeFormat 
SMATI_EngineeringThesis-1-1.pdf390,36 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.