Typologie dagents

1
Typologie d agents

• Agent réactif
• Pas de représentation symbolique
• Pas d état mental stimulus/réaction
  (architecture simple)
• Organisation émergente (buttom up)
• Com. Via environnement
• Grand nombre (redondance, robustesse)

• Agent cognitif
• Représentation symboliques (soi, environnement,
  les autres)
• État mental (architecture complexe BDI)
• Organisation à priori (top down)
• Langage de communication
• Petit/moyen nombre

2
Approche cognitive métaphore sociale

• Niveau SMA
• Schémas d organisations
• Schémas d interactions
• Négociations (conflits)
• Coordination
• Allocation de tâches (Appel d offres)
• Conversations
• ..

• Niveau Agent
• Communication
• Représentation de soi, des autres
• Planification d actions
• Manipulation de croyances, de connaissances,
  d intentions et buts

3
Niveau Agent Représentation états mentaux

• Agent rationnel
• Perceptions/actions
• Attitudes informatives croyances,
  connaissances,..
• Pro-attitudes désirs, intentions, obligations,
  choix,.
• Comportement guidé par buts, intentions, ..sur la
  base des infos quil a sur son monde

4
Représentation états mentaux

• Logique classique (LC) insuffisante
• En LC, la dénotation dune expression dépend
  seulement de celle de ses sous expressions
• Ex pgtq dépend seulement des valeurs de p et q
• Faux pour les notions intentionnelles (croyances)
• Ex Jean croit p (indépendant de la valeur de p)
• Substitution de valeurs équivalentes dans des
  contextes opaques ne préserve pas le sens

5
Représentation états mentaux

• Représenter lintentionnalité logiques modales
• Utiliser des opérateurs modaux pour nuancer les
  assertions de la logique classique
• Possible et nécessaires (logiques ontiques)
• Futur et passé (logiques temporelles)
• Savoir et croyances (logiques épistémiques)
• Ex
• K(A, père(x,y)) A sait que x est père de y
• B(A, père(x,y)) A croit que x est père de y

6
Représentation(A) états mentaux

• Représenter lintentionnalité Sémantique
• Logique opérationnellestructures symboliques
  interprétées
• Les assertions logiques sont évaluées
  relativement à une théorie associée à un agent
• B(x,f) est vrai ssi f est vrai dans la théorie
  associée à lagent x
• Pb manque de sémantique référentielle
• Une théorie associée à un agent est opaque pour
  un autre agent

7
Représentation(A) états mentaux

• Représenter lintentionnalité Sémantique
• Logique des mondes possibles
• Les assertions logiques sont évaluées
  relativement aux mondes accessibles pour un agent
• B(x,f) est vrai ssi f est vrai dans tous les
  mondes accessibles par lagent x
• Pb omniscience logique des agents
• (un agent croit toutes les conséquences logiques
  de ses croyances)

8
Représentation états mentaux

• Représenter lintentionnalité Sémantique
• Logique des mondes possiblesAxiomes
• Axiome de distribution (K)
• B(a,(pgtq))gtB(a, pgtB(a,q))
• B(a,p) et B(a, (pgtq)) gt B(a,q)
• Principe de non contradiction (D)
• B(a,p) gt non B (a, non p)
• Introspection positive et négative
• B(a,p) gt B(a, B(a,p))
• Non B(a,p) gt B(a, Non B(a,p))

9
Représentation(A) états mentaux

• Sémantique des mondes possibles
• Étant donné
• un ensemble de mondes possibles W0, W1,W2,..,Wn
• Un ensemble d agents a0,a1,..
• Un ensemble de relation d accessibilité Ra0,
  Ra1,..(une par agent) W Ri W  si W  est
  accessible par l agent Ai
• On a les axiomes suivants
• W P si P est vérifié dans le monde W
• W A croit P si " W  tel que W Ra W , W 
  P
• W il est possible que P si ' W  tel que W Ra
  W  et W  P

10
Représentations états mentaux

• Théorie de laction intentionnelle
• Un agent x a l intention de réaliser une action
  a (intention(x,a)) si x a comme but quune
  proposition P sur l état du monde soit vraie et
  que les conditions suivantes sont satisfaites
• x croit que P appartient aux conséquences de
  laction a
• x croit que P n est pas vrai actuellement
• x croit qu il est capable de faire a
• x croit que a sera possible et donc que P pourra
  être vérifié

11
Représentations(A) états mentaux

• Intentions et buts agence rationnelle
• Associer les états intentionnels des agents à
  leurs actions et conséquences
• Notion de but persistent
• L agent a pour but qu une proposition p
  devienne éventuellement vrai, et qu il croit que
  p nest pas actuellement vrai
• Avant d abandonner p il faut qu il croit que
  son but de satisfaire p ait été atteint ou quil
  ne sera jamais atteint.
• Intentionnalité à partir de but persistent
• L agent a l intention de faire l action a ssi
• Il a comme but persistent damener son état vers
  un état où il croit qu il doit faire laction a
• Puis faire laction a

12
Approche cognitive métaphore sociale

• Prolongement de lIA classique gt IA Distribuée
• Applications
• Agents conversationnels
• Architectures Middleware
• Génie logiciel (extension des objets concurrents)
• Web sémantique (agents médiateurs, Directory
  services Facilities, Matchmakers)
• Agents dinformation Internet
• ..

13
Approche cognitive métaphore sociale
 Information Agent Technology for the internet
A survey  , M. Klush 2001
14
Approche cognitive métaphore sociale
Mais de plus en plus, on soriente vers une
approche systémiquemême dans le cas des agents à
gros grain gt vision  systèmes
complexes  Travaux de Les Gasser
15
Approche réactive Métaphore animale

• Un comportement intelligent peut être généré sans
  représentations explicites comme celles de l IA
  symbolique
• Lintelligence réelle est situé dans le monde,
  non englobé dans des systèmes
• Lintelligence est une propriété émergente de
  certains systèmes complexes (interaction des
  agents avec leur environnement)
• R. Brooks

16
Lintelligence comportementale principes

• Principe
• Lintelligence comportementale met en uvre un
  ensemble de principes permettant de construire
  des systèmes autonomes
• The world is its own best model,
• Embodiement (incarnation),
• Situatedness (mise en situation),
• Sensori-motor integration.

17
Approche réactive métaphore animale

• Niveau Agent
• Réactivité (réflexe)
• Pas de représentation de soi, des autres
• Pas ou peu de mémoire
• Importance de l environnement
• Communication non intentionnelle

• Niveau SMA
• Robustesse(redondance)
• Adaptativité
• Pas de contrôle central
• Pas de planification globale
• Réactivité
• Couplage perceptions/actions

18
Ex Architecture de subsomption

• Hiérarchie de comportements accomplissant des
  tâches
• Chaque comportement est en compétition avec les
  autres (pour exécuter un contrôle sur l agent)
• Les couches les plus basses comportements
  primitifs (éviter obstacle) sont prioritaires sur
  les couches supérieures
• Aucun raisonnement explicite
• Steels simulation dun explorateur de Mars
  (réseau darchitectures de subsomption)

19
Architecture de subsomption
Éviter les objets
Brooks 86, Modèle semi-hiérarchique de
sélection dactions
Récupérer de l énergie
Optimiser les chemins
Construire une carte du territoire
explorer
Prendre et déposer Des objets
Avancer aléatoirement
Effecteurs
Capteurs
Environnement
20
Approche réactive métaphore animale

• Prolongement de la V.Agt IA Collective
• Résolution de problèmes Léco-résolution
• Paradigmes naturo-inspirés
• La stigmergie et lauto-organisation
• Ant-Like systems
• Algorithmie méta-heuristique ACO et algorithmes
  de fourmis
• Applications orientés réseaux
• Ecosystèmes (informatiques) artificiels
• Applications réseaux
• Applications Web et recherche dinformation

21
Approche réactive métaphore animale

• Eco-résolution
• Un éco-agent (agent tropique) est un agent qui
  adapte ses comportements en fonction dun état
  local de satisfaction à optimiser
• Fonction de satisfaction locale
• Pb comment concilier sa satisfaction
  locale/satisfaction globale? (stratégie)
• Ex Théorie des jeux notion dutilité
  (utility) optimiser son score
• Dilemme des prisonniers
• Stratégie altruiste

22
Approche réactive métaphore animale

• Eco-résolution un exemple jouet
• Le monde des blocs un problème de planification
  (dactions) distribué
• N blocs formant une pile disposée sur une table
  avec m emplacements (mltN)
• But passer dun état initial de la pile
  (agencement des blocs) vers un état final de la
  pile (autre agencement)
• Exemple simple
• avec 4 blocs et 3 places disponibles sur la table

23
Planification le monde des blocs
D
D
C
C
B
A
A
B
État initial
État final
24
Planification le monde des blocs
Modélisation basique

• Un agent un bloc
• Environnement La table les blocs
• Pour chaque agent
• But bloc dessous final (état de satisfaction)
• Perceptions
• bloc dessous courant,
• places ou aller
• Actions
• se déplacer, pousser
• Règles
• Si un bloc est libre, il peut se déplacer
• Sinon, il pousse son gêneur
• Un bloc poussé est insatisfait

D
C
B
A
État initial
25
Planification le monde des blocs
satisfait
Objectif C
Non satisfait
Objectif A
D
D
Non satisfait
Objectif table
C
C
Objectif B
Non satisfait
B
A
A
B
État initial
État final
26
Planification le monde des blocs
D
Tous les agents sont insatisfaits D est libre,
il se déplace Les autres poussent
C
B
A
État initial
27
Planification le monde des blocs
D choisit aléatoirement une place
C
B
A
D
État initial
28
Planification le monde des blocs
C se déplace
B
A
C
D aurait pu se déplacer aussi..
D
État initial
29
Planification le monde des blocs
B
A
C
D
État initial
30
Planification le monde des blocs
A
B
C
D
État initial
31
Planification le monde des blocs
Pb de convergence.. quand le système converge,
le plan (dactions) est émergent
A
B
C
D
État initial
32
Eco-résolution Monde des blocs

• Convergence pb de stratégie
• Pas de stratégie élaboré, pas daction collective
• Il faut introduire un contrôle dans le système
• Auto-contrôle notion de rétroaction
  positive/négative
• Répercussion de la contribution de chaque agent
  sur létat de solutiongt notion de contribution à
  la solution finale
• Favoriser les états intermédiaires stables
  (attention minima locaux)

33
Paradigmes naturo-inspirés

• Cas des insectes sociaux
• comportements individuels simples, comportement
  collectif complexe
• Construction de nids chez les termites
• Régulation de la température du nid et du couvain
• Tri du couvain,
• etc

34
Lintelligence en essaim ÉRIC BONABEAU GUY
THÉRAULAZ
POUR LA SCIENCE - N 271 MAI 2000
35
Lintelligence en essaim ÉRIC BONABEAU GUY
THÉRAULAZ
POUR LA SCIENCE - N 271 MAI 2000
36
Lintelligence en essaim ÉRIC BONABEAU GUY
THÉRAULAZ
POUR LA SCIENCE - N 271 MAI 2000
37
Lintelligence en essaim ÉRIC BONABEAU GUY
THÉRAULAZ
POUR LA SCIENCE - N 271 MAI 2000
38
Paradigmes naturo-inspirés

• Cas des insectes sociaux la stigmergie (Grassé
  59)

La stigmergie est un concept décrivant
linfluence des effets persistants dans
lenvironnement des comportements passés sur les
comportements futurs (Stigmergy,
Self-Organization and Sorting in Collective
Robotics, O. Holland , C. Melhuish, Artificial
life5 (1999) )
39
Paradigmes naturo-inspirés la stigmergie

• 3 niveaux dintervention de la stigmergie
• Stigmergie active (action sur lagent)
• effet qualitatif au niveau du choix de laction
  (laction est guidée)
• effet quantitatif au niveau des paramètres
  (position, force, fréquence, latence, durée,
  ..)de laction (agir sur lintensité de
  lactivité)
• Stigmergie passive (action sur lenvironnement)
• Effet qualitatif et/ou quantitatif sur le
  résultat de laction futureex cas des traces
  laissés sur la neige par des conducteurs et leur
  effet sur un nouveau conducteur passant par le
  même chemin)
• notion deffet de bord

(Stigmergy, Self-Organization and Sorting in
Collective Robotics, O. Holland , C. Melhuish,
Artificial life5 (1999) )
40
Paradigmes naturo-inspirés la stigmergie
Relation à lauto-organisation

• La stigmergie
• mécanisme qui permet à lenvironnement de
  sauto-structurer à travers lactivité des agents
  au sein de ce même environnement son état et la
  répartition courante des agents dans
  lenvironnement, détermine leurs évolutions
  respectives futures.

• Toute structure émergente de ces interactions
  répétées, est développé par un processus
  dauto-organisation (Travaux en éthologie de
  Bonabeau al)

(Stigmergy, Self-Organization and Sorting in
Collective Robotics, O. Holland , C. Melhuish,
Artificial life5 (1999) )
41
Paradigmes naturo-inspirés lauto-organisation
lauto-organisation une définition
(Bonabeau) Un ensemble de mécanismes dynamiques
via lequel des structures émergent à un niveau
global dun système, à partir dinteractions
entre ses composants de plus bas niveau. Les
règles spécifiant ces interactions, sont exécutés
sur la base dinformations purement locales, sans
aucune référence aux structures émergentes du
niveau global, qui sont considérées comme une
propriété émergente du système plutôt quune
propriété imposée au système par une
influence (ordonnée) externe.
(Stigmergy, Self-Organization and Sorting in
Collective Robotics, O. Holland , C. Melhuish,
Artificial life5 (1999) )
42
Paradigmes naturo-inspirés lauto-organisation

• Auto-organisation 4 ingrédients de base, 3
  signatures caractéristiques
• Ingrédients
• Feedback positif, feedback négatif,
• Amplification des fluctuations, interactions
  multiples
• Signatures
• Création de structures spatio-temporelles dans un
  médium initialement homogène
• Multi-stabilité possibilité de plusieurs états
  stables atteignables
• Existence de bifurcations paramétrables
  déterminées

(Stigmergy, Self-Organization and Sorting in
Collective Robotics, O. Holland , C. Melhuish,
Artificial life5 (1999) )
43
Approche réactive Inspiration des sociétés
dinsectes

• Quelques exemples
• Tri collectif
• Organisation dynamique de documents sur le web
• Fourragement (fourmis)
• Les robots fourrageurs
• Applications du monde réel
• Routage dans les réseaux
• Équilibrage dynamique multicritères
• Sécurité dans les réseaux

44
Paradigmes naturo-inspirés comportement
stigmergiques dinsectes sociaux

• Tri collectif

45
Tri Collectif (simulation)

• Tri Collectif (Deneubourg al 91)(Drogoul 93)
• Problème Trier des objets de types différents
• Critère darrêt structure de lenvironnement
  avec des tas homogènes de chaque type dobjet
• Principes
• Déplacement aléatoire des agents (par défaut)
• Capacité de discriminer des objets à trier
• Mémoire à court et moyen terme des dernières
  cases visitées
• Possibilité de déposer/ramasser en fonction de la
  densité dobjets de même type (dans leurs
  mémoires)
• Regroupement de plusieurs objets de même type sur
  une case réduit lintensité du stimulus émis

46
Tri Collectif (simulation)

• Constat 1
• Structuration de lenvironnement a pour effet la
  structuration des agents
• gt focalisation des agents sur les objets non
  triés
• Renforcement dactions
• Focalisation des agents sur certains types
  dobjets spécialisation des agents gt
  Structuration sociale

• Constat 2
• Structuration sociale bénéfique à la
  structuration de lenvironnement
• Convergence plus rapide vers un tas par type
  dobjets

47
Tri Collectif (simulation)

• Remarques
• Pas de comportement émergent
• La fonctionnalité peut-être obtenue avec un seul
  agent (robustesse)
• En revanche, fonctionnalité amplifiée par une
  structure sociale émergente
• gt répartition dynamique des tâches
• Application (cas réel)
• Organisation dynamique de documents sur le web

48
Exemple Le tri collectif
49
Approche réactive Inspiration des sociétés
dinsectes

• Fouragement (fourmis)

• Exploration aléatoire de lenvironnement
• Détection de source de nourriture
• Collecte et retour en ligne droite vers le nid
• Marquage du chemin de retour (phéromone)

Source
Source
Source
Source
Nid
50
Approche réactive inspiration des sociétés
dinsectes

• Fourragement (fourmis) Phénomène auto-catalytique

• Dépôt de phéromone sur le chemin menant à la
  source
• Plus la concentration en phéromone est élevée sur
  un chemin, plus il a des chances dêtre emprunté
• La phéromone sévapore au cours du temps

Source
3 mécanismes diffusion, évaporation, enrollement
Les fourmis découvrent les chemins les plus
courts de la source de nourriture au nid.
51
Approche réactive inspiration des sociétés
dinsectes

• Fourragement (fourmis) Applications
• En recherche opérationnelle plusieurs
  applications
• Exemple Problème du voyageur de commerce
  (TSP)Un ensemble de villes reliées entre elles
  par des arcs définissant une certaine distance.
  Le problème est de trouver le chemin minimal,
  permettant de ne parcourir chaque ville quune
  fois.
• Méta-heuristique ACO (inspirée des fourmis)
• Des fourmis sont positionnées aléatoirement sur
  les différents sommets
• Chaque arc se voit attribuer en plus de sa
  longueur un taux de phéromone
• A chaque itération une règle globale fait
  sévaporer une quantité de phéromone et augmente
  le taux de phéromone des arcs contribuant au plus
  court chemin

52
Méta-heuristique ACO

• Page personnelle de Marco Dorigo
  http//iridia.ulb.ac.be/7EDorigo

procédure méta-heuristique ACO tant que
(critère darrêt non atteint) Construction
de solutions par les fourmis Mise à jour de
la phéromone Actions démons optionnel
fin tant que fin méta-heuristique ACO
53
Métaphore de fouragement

• Robots fourageurs (Steels 88, Drogoul 93)
• Problème équipe de petits robots autonomes qui
  récoltent des échantillons de minerais dans un
  environnement inconnu,et les ramènent à une base
  centrale.
• gt double problème posé aux robots
• Récolte déchantillons
• Recherche efficace dans lenvironnement
• (structuration de lenvironnement en terme
  despaces explorés et non explorés)

54
Métaphore de fouragement

• Robots fourageurs (Steels 88, Drogoul 93)
• Principes
• Populations de robots simples et autonomes
• Base émet un signal dintensité décroissante avec
  la distance
• Source (tas) de minerais
• Capacité des robots à se déplacer, ramasser des
  minerais, les déposer

55
Métaphore de fouragement
Drogoul 93
Expérience 1 Comportements du robot basique
1.Recherche aléatoire 2. Ramassage du minerai 3.
Retour à la base 4. Recherche aléatoire
Base

• Constat
• Robots complètement inefficaces individuellement
  et collectivement
• Aucune exploitation de lenvironnement (mémoire)
  pour repérer le lieu de
• leur dernière récolte
• gt Aucune interaction avec le groupe (échange
  dinfo), aucune coopération

56
Métaphore de fouragement
Drogoul 93

• Expérience 2
• Partage dinfo par structuration de
  lenvironnement
• Les robots rentrent en ligne droite à la base en
  suivant le
• signal quelle émet , en marquant leur chemin
• Munir les robots de la capacité de déposer des
  marques
• Et de la capacité de suivre un chemin marqué

Base

• Constat
• Amélioration des performances
• Partage effectif dinfo
• rétroaction positive sur le comportement global
  de fourragement
• Pb si minerai épuisé, les robots continuent à
  suivre une trace qui les mène vers une source
  inexploitable (information vide de sens toujours
  transmise)

57
Métaphore de fouragement
Drogoul 93

• Expérience 3
• Supprimer linfo qui ne servira peut-être plus
• Marquage de la piste en revenant de la source
• à la base
• Supprimer la marque en suivant une piste

Base

• Constat
• Performances dégradées du système
• Dynamique trop grande dan le partage de
  linformation (création/suppression au même
  rythme)
• Linformation ne se propage pas assez pour créer
  un effet amplificateur

58
Métaphore de fouragement
Drogoul 93

• Expérience 4
• Atténuer linformation qui ne servira peut-être
  plus
• sans complètement la détruire
• Déposer 2 marques au lieu dune en revenant de la
  source à la base
• Supprimer 1 marque en suivant une piste

Base

• Constat
• Meilleure solution
• Partage dinfo souple, coopération globale
• Autre constat Baisse des performances au delà
  dun certain nombre de robots
• Non prise en compte des contraintes
  environnementales encombrement
• Dispersion des traces à cause des déviations des
  robots pour séviter
• Pas de coordination (blocage)

59
Métaphore de fouragement
Drogoul 93
Base

• Expérience 5
• Ajout dun comportement de prise opportuniste
• Un robot suivant une piste vers la source et qui
  croise un autre robot qui en revient, chargé
  dun minerai, le détrousse.
• Capture du minerai là ou il se trouve

60
Métaphore de fouragement
Drogoul 93
Base

• Constat
• Meilleure solution que précédemment et surtout
  stabilité à partir dune certaine densité

61
Métaphore de fouragement
Drogoul 93
Base

• Autres constat
• émergence dune structure prenant la forme dune
  chaîne
• Taux de fréquentation des pistes bien supérieur
  gt épuisement dun gisement vite repéré
• éparpillement des pistes marginalesgt
  concentration de linfo là où il le faut

62
Métaphore de fouragement
Drogoul 93
Base

• Structuration sociale (formation de chaîne) et
  spatiale (chemins optimaux) et action permanente
  de lune sur lautre

63
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Fouragement
• En réseaux informatiques
• Equilibrage dynamique multicritères (Thèse S.
  Fenet 2001)
• En sécurité réponse distribuée et dynamique à
  la détection dintrusion (Thèse. S. Fenet 2001,
  Thèse. N. Foukia 2003)
• Fouragement et Tri collectif
• Organisation dynamique des contenus sur le web
  (WACO)

64
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Equilibrage multi-critères
• Problématique
• Sur un réseau de machines, des processus doivent
  trouver une répartition spatiale permettant de
  satisfaire dynamiquement ces quatres critères
• Equilibrer la charge moyenne
• Regroupement spatial de processus appartenant à
  la même application (ressources communes)
• Regroupement spatial de processus dapplications
  différentes, fortement communicantes (minimiser
  délai de com.)
• Eloignement spatial de processus concurrents
  (conflits de ressources)

65
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Equilibrage multi-critères
• Approche et Codage
• Une approche selon la vision des SCA, utilisant
  la métaphore des insectes sociaux
• Mécanisme détiquetage (tagging) association
  dun type de phéromone à chaque critère à
  satisfaire
• Utilisation dune structure multi-phéromonale
  pour la mise en uvre de la stigmergie
• Agents mobiles mimant le comportement de
  fourragement des fourmis
• Agrégats (spatiaux) émergent satisfaction des
  critères

66
Approche réactive inspiration des sociétés
dinsectes Nos applications
Starlogo (Resnick)

• Représentation chaque critère est codée comme un
  champs de phéromone

67
ECoNet

• Equilibrage multi-critères
• Résultats

68
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Equilibrage multi-critères
• Conclusions
• Structure multi-phéromonale agrégation de
  différentes informations de contrôle
• Expression du problème en terme dorganisation
  spatiale du système/environnement
• Construction progressive de schémas partiels
  (début de solutions) inscrits dans
  lenvironnement, qui se renforcent par agrégation
• Approche robuste adaptation quasi-immédiate aux
  perturbations de lenvironnement
• Remarque
• Une approche similaire est développé dans le
  cadre des Grilles de Calcul (Projet Bison).

69
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Fouragement
• En réseaux informatiques
• Equilibrage dynamique multicritères (Thèse S.
  Fenet 2001)
• En sécurité réponse distribuée et dynamique à
  la détection dintrusion (Thèse. S. Fenet 2001,
  Thèse. N. Foukia 2003)
• Fouragement et Tri collectif
• Organisation dynamique des contenus sur le web
  (WACO)

70
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• Problématique
• Intrusion violation de la politique de sécurité
  dun système informatique (confidentialité,
  accessibilité, intégrité des données)
• Problèmes actuels
• Difficulté didentification des attaques
  évolutivité et réactivité
• Distribution à grande échelle des réseaux
  (décentralisation)
• Croissance de la complexité des attaques
  stratégies élaborées pour la détection et la
  réponse

71
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• contributions
• Un système distribué combinant la détection et la
  réponse réactive fondé sur une approche
  naturo-inspirée
• Système distribué à base dagents mobiles inspiré
  des systèmes immunitaire pour la détection
• Travail de Thèse de Noria Foukia (Univ. Genève)
• Système distribué à base dagents mobiles inspiré
  du comportement de fourragement des insectes
  sociaux pour la réponse
• Travail de thèse de S. Fenet et Collaboration
  avec Noria Foukia.

72
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• Démarche
• Utilisation de la structure multi-phéromonale
  pour le codage dune alerte lors de la détection
  dune attaque
• Propagation de la phéromone dans le voisinage de
  lalerte
• Traçage du chemin vers la source de lattaque
• Distribution totale du système de lancement de
  lalerte et de la réponse
• Mécanisme dinhibition du champs de phéromone
  lors de la prise en compte dune alerte
• Robustesse et régulation progressive de la prise
  en compte de la réponse

73
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• Résultats

74
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• Résultats

75
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Détection dIntrusion et réponse réactive et
  distribuée
• Résultats

76
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Conclusion
• Structurue multi-phéromonale
• Codage de différents types dattaque et de leur
  corrélation
• Détection multi-points
• Adaptation des réponses aux attaques
• Prise en compte de différents niveaux dattaques
  ( stratégie)
• Approche sensible à lajustement de nombreux
  paramètres
• Exploitation de la topologie (scale free et small
  world) pour
• Affiner les paramètres (distance de diffusion)
• Stratégie de propagation de la phéromone

77
Approche réactive inspiration des sociétés
dinsectes Nos applications

• Fouragement
• En réseaux informatiques
• Equilibrage dynamique multicritères (Thèse S.
  Fenet 2001)
• En sécurité réponse distribuée et dynamique à
  la détection dintrusion (Thèse. S. Fenet 2001,
  Thèse. N. Foukia 2003)
• Fouragement et Tri collectif
• Organisation dynamique des contenus sur le web
  (WACO)

78
The WACO system

• An ecosystem composed of Web Ants, mapped on the
  web
• Environment the web
• Web Ants artificial creatures (mobile agents)
• Dynamics of population Energy mechanism
  (order/disorder of web content)

79
The web environment modeling

• Spatial representation
• Web a perpetually updated map of different
  locations interconnected by adaptive links
• A location site or server
• A site contains different kinds of documents
• A server a virtual location
• A cluster of semantically close documents
• ( A dynamically created page which contains links
  to documents)

80
The content coding

• Content coding using synthetic pheromone
• A synthetic pheromone is a control information
  with
• A label kind of information
• An intensity value pertinence of information
• An evaporation rate persistence of information
• A spreading rate scope of information
  (diffusion)

81
The content coding

• Label kind of information
• Use of standard technique of IR TFIDF
• For a document
• A Keyword vector (word, weight)
• W Lc.Hc.TFIDF
• For a site Different documents
• A synthesis of composing pheromones weighted
  combination of pheromones of composing documents
• Ws Pi.Wi where Pi is a percentage of
  documents of topic i

Header constant (gt 1 if in a title, 1 otherwise)
Linkage constant (gt1 if in a link, 1 otherwise)
82
The content coding

• intensity value pertinence of information
• the higher its value, the greater its attractive
  power
• At each site i, for each document j, each time a
  document is added
• tij(t1)rjtij(t)Sk1,Dij Dtijk(t)
• Where
• tij rate of documents addressing topic j on
  site i
• rj persistence rate ( 1-evaporation rate)

83
The content coding

• Evaporation rate persistence of information rj
• the lower its value, the longer is the influence
  of the spread information in the environment
• computed as
• rj Dij /Di
• The ratio of documents of topic j on site i
• Idea
• making the clustering of documents of same topic
  more attractive than isolated documents

84
The content coding

• Spreading rate scope of information
• The distance to which information is spread
• The higher its value, the greater the scope of
  information.
• Computed as the longest path addressing topic j
  from a site i in a depth first search
• dij Maxk(dijk)
• Idea
• make wider spreading from sites which are good
  entrance to a topic

85
The web ants creatures

• 4 kinds of web ants
• Explorers
• Random path exploring
• Perceive different kinds of pheromones
• Apply collective sorting behavior
• Collectors
• Associated to a cluster of documents
• Maintain the formed cluster /organize it locally
• Compute the synthesis of pheromone of the
  associated cluster

86
The web ants creatures

• Searchers
• Specialized agents, created by a cluster forming
• Enforce the cluster by searching and collecting
  similar documents
• Requests Satisfiers
• Code requests into associated pheromone
• Search in the environment for appropriate
  clusters to answer the request
• Follow the gradient of adequate pheromone

87
Population regulation

• Energy distribution
• An amount of energy is associated to the amount
  of disorder (energy1/order)
• Order documents with semantically homogenous
  content
• Clustering of documents reduce the energy amount
• Agents capture disorder in their neighborhood and
  transform it to an attributed energy amount

88
Population regulation

• Agents activity management
• Creation
• proportional to energy amount
• Specialization
• proportional to number of clusters (with a
  threshold size)
• Cloning
• agents with a threshold maximal amount of energy
  clone themselves and divide their energy amount
  by 2
• Dying
• Agents that consume all their amount of energy
  die
• Agents consume their energy by doing negative
  actions

89
Experiments and results

• Simulation settings
• BREVE environment (3D, Artificial life )
• (www.spiderland.org/breve/)
• 4 experiments with
• 100 initial agents
• 10000 initial sites
• 200 semantic topics
• Threshold minimal size of clusters10 documents
• 25 of sites contents renewal

90
Experiment1disorder decreasing

• Disorder decreases while new documents are
  created
• Disordernumber of scattered documents
• Negative value of disorder multiple clustering
  of a same document

Scattered documents are those created (order
emergence)
91
Experiment 2 clusters forming

• Effectiveness of clustering
• Size of clusters increases regularly
• Sudden (small) decrease of mean clusters sizes
  near time 80000
• Order emergence disturbed by new creations

Scattered documents are those created
92
Experiment3 Energy evolution

• Energy evolution follows the disorder evolution
• Decrease near time 80000 -gt order emergence
• Decrease near time 100000 -gt new clustering
  operation specialists creation

order emergence
Specialists creation
93
Energy of specialized agents

• Specialists energy increase during clusters
  forming
• Near order emergence (near time 80000) energy 0
• Sudden increasing near time 100000, new clusters
  apparition

94
Experiment 4 Population evolution and activity

• Proportion of active agents /total agents
• activity decreasing at first time of order
  emergence
• Number of agents decreases at different steps of
  activity decreasing

95
Experiment 4 Population evolution and activity

• Proportion of specialist agents activity / total
  number of agents
• Absence of activity
• From time 70000 (near order emergence)
• to time 100000 (new clusters forming)

96
Les agents personnalisés agents assistants
profil
feedback
97
Les agents personnalisés agents assistants

• Aide à la navigation/recherche dinfo
• Profil Bookmark et/ou Thématiques spécifiés
• Adaptation de profil
• Reconnaissance du contexte de navigation
• Raisonnement à partir de cas (CBR)
• Algorithmes génétiques
• Réseaux neuronaux ..
• Exploitation du feedback utilisateur
• Apprentissage par renforcement (pénalité/récompens
  e)

98
ExempleAmalthaea, P. Maes, A. Moukas, MIT

• Principe
• Apprentissage des assistants /profil utilisateur
• Profil sac de mots individu de la population
• Évolution artificielle (algo. génétique)
• Fitness locale degré de confiance de lagent
• Fitness globale feedback utilisateur
• Théorie du modèle de marché (régulation de
  population)
• Duplication des agents performant (ayant bien
  appris)
• Disparition des autres

99
ExempleAmalthaea, P. Maes, A. Moukas, MIT
100
ExempleAmalthaea, P. Maes, A. Moukas, MIT
101
Agents assistants Navigation collective
102
Ex Navigation collectivelets browse (H.
Lieberman, MIT)

• Codage des profils
• Vecteur de mots clés pondérés
• TF xIDF ( Terme Frequency x Inverse Doc.
  Frequency)
• Combinaison Linéaire des profils
• Notion de voisinage sémantique
• (liens sortant/entrant dune page)
• Exploration en largeur
• gt centre dintérêts

103
Relation aux communautés virtuelles

• Détection de communautés partageant des intérêts
  communs
• Clustering de profils similaires
• distance sémantique des sujets dintérêts
• Partage et échange au sein dune même communauté

104
Approches dynamiques vers le web auto-organisé

• Inspiration d éco-systèmes naturels
• Société dagents
• Agents de recherche (crawlers)
• Agents assistants (profils)/utilisateurs
• Collaboration entre assistants et/ou crawlers
• Vie artificielle (reproduction /mort des agents)

105
Ex InfoSpiders System
106
Ex InfoSpiders System
Information environnement
feedback
www
user
Cache feedback
Récuperer une page
Fichier E/S
Ligne Doc html
Index de Mots poids
Analyseur html
Repr. Doc
Stopper
stemmer
Analyseur texte
Reprod / mort
apprentissage
Réseau neuronal
107
Ex InfoSpiders System