La sécurité du CDP repose sur la difficulté d'inverser le processus d'impression et de numérisa8on (c'est-à-dire d'es8mer le code original à par8r de sa version imprimée). Néanmoins, les progrès des techniques d'appren8ssage profond ont rendu possible l'inversion du processus d'impression et de numérisa8on. C'est pourquoi il est urgent de développer de nouvelles mesures ou des modèles d'appren8ssage automa8que capables de différencier les codes es8més des codes originaux non clonables. Il a été démontré que dans le cas de la classifica8on supervisée (lorsque tous les faux possibles sont connus au moment de l'appren8ssage), les techniques classiques d'appren8ssage automa8que peuvent facilement détecter tous les faux. Néanmoins, lorsque les faux sont inconnus pendant la phase d'appren8ssage ou lorsque les faux sont imprimés à l'aide du même disposi8f que les échan8llons authen8ques, les détecteurs actuels sont incapables de séparer les originaux des faux. Les travaux récents présentent la première tenta8ve de prise en compte du processus d'impression et de numérisa8on et de détec8on des anomalies dans le code non clonable imprimable. Toutefois, le modèle actuel ne peut pas imiter parfaitement le processus d'impression et de numérisa8on et les anomalies n'ont donc été recherchées que dans les pixels correctement imités par le modèle d'impression et de numérisa8on (41-43 % du code). En outre, les détecteurs d'anomalies actuels dépendent de l'ensemble de données d'entraînement (c'està-dire de l'imprimante et du disposi8f d'acquisi8on u8lisés). Ce projet de doctorat vise à développer un détecteur d'authen8fica8on robuste basé sur l'IA pour les CDP en étudiant les approches d'appren8ssage des métriques de similarité et les techniques forensiques. Le doctorant étudiera comment combiner les caractéris8ques forensiques avec les réseaux neuronaux profonds récents et les entraîner pour qu'ils soient robustes contre les aTaques d'es8ma8on. L'étudiant sera également encouragé à suivre les meilleures pra8ques de la recherche reproduc8ble afin de partager ses avancées avec la communauté des chercheurs.