Soutenance de doctorat d’Isaia Andrenacci : Exploiter l’apprentissage automatique pour des réseaux optiques efficaces et sécurisés
Télécom Paris, 19 place Marguerite Perey F-91120 Palaiseau [y aller], amphi 5 et en visioconférence
Titre original : Leveraging machine learning for efficient and secure optical networking
Jury
- Massimo Tornatore – Professeur, Politecnico di Milano – Rapporteur
- Christelle Aupetit-Berthelemot – Professeure, ENSIL-ENSCI – Rapportrice
- Ghaya Rekaya-Ben Othman – Professeure, Télécom Paris – Examinatrice
- Vincent Choqueuse – Maître de conférences, ENIB – Examinateur
- Claire Goursaud – Maître de conférences, INSA Lyon – Examinatrice
- Walid Hachem – Directeur de recherche, CNRS, Université Gustave Eiffel – Examinateur
- Élie Awwad – Maître de conférences, Télécom Paris – Co-encadrant de thèse
- Ekhiñe Irurozki – Maître de conférences, Télécom Paris – Co-encadrante de thèse
- Petros Ramantanis – Ingénieur de recherche, Nokia Bell Labs – Co-encadrant de thèse
- Stéphan Clémençon – Professeur, Télécom Paris – Directeur de thèse
Résumé
Les réseaux optiques futurs doivent faire face à une demande de trafic en forte croissance tout en opérant proches des limites fondamentales de capacité, rendant l’utilisation efficace des ressources réseau de plus en plus critique. La surveillance et la télémétrie massives ont émergé comme une solution pour un fonctionnement plus autonome et adaptatif. Dans cette thèse, j’étudie des techniques d’apprentissage automatique exploitant les mesures côté récepteur et les paramètres du réseau optique afin d’améliorer l’efficacité, la fiabilité et la sécurité des liaisons optiques point-à-point.
Je propose notamment des modèles permettant de prédire avec précision les interférences non linéaires, ainsi que des contrôleurs en boucle fermée pour optimiser la puissance optique en présence de pertes dépendantes de la polarisation. Je développe également des méthodes de surveillance peu coûteuses pour localiser les éléments dégradants et identifier les sources de bruit dominantes. Enfin, je propose une approche pour quantifier les événements de macro-courbure de fibre, ouvrant la voie à la distinction entre opérations de maintenance et attaques physiques. Ce travail montre que l’apprentissage automatique, combiné à une surveillance omniprésente, permet d’envisager des réseaux optiques intelligents, autonomes et sécurisés.