Thèse Odk On-Demand Kaslr H/F - Doctorat.Gouv.Fr

Établissement : Université Grenoble Alpes École doctorale : MSTII - Mathématiques, Sciences et technologies de l'information, Informatique Laboratoire de recherche : Laboratoire d'Informatique de Grenoble Direction de la thèse : Alain TCHANA ORCID 0000000177898400 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-12-01T23:59:59 Dans le domaine du Cloud Computing et de l'Edge Computing, le paradigme « Functions as a Service » (FaaS), également appelé « serverless » (informatique sans serveur), est aujourd'hui l'un des modèles de services les plus populaires.
Chaque instance de fonction est généralement déployée dans une micro-machine virtuelle (micro-VM). Le démarrage rapide de ces micro-VM constitue un enjeu majeur pour répondre aux exigences des applications sensibles à la latence, tout en garantissant une utilisation optimale des ressources et une réduction des coûts d'exploitation.
Cependant, la plupart des optimisations visant à accélérer le démarrage des micro-VM (par exemple, l'utilisation d'instantanés de machines virtuelles, ou snapshots, réalisés après le démarrage) font l'impasse sur d'importants mécanismes de sécurité, notamment la randomisation de la disposition de la mémoire propre à chaque machine virtuelle (KASLR et FGKASLR).
L'objectif de cette recherche est de concilier performance et sécurité dans les micro-VM, en introduisant des mécanismes et des politiques de sécurité efficaces, compatibles avec les contraintes strictes de performance et de durée de vie des charges de travail FaaS, tout en préservant la compatibilité avec les micro-VM existantes.
Nous cherchons à répondre à deux questions de recherche :
(Q1) Comment doter les micro-VM de mécanismes de randomisation de la mémoire tout en permettant les optimisations fondées sur l'utilisation de snapshots ?
(Q2) Étant donné que certaines fonctions peuvent s'exécuter en un temps extrêmement court, les attaques de sécurité « conventionnelles » (contre lesquelles les techniques mentionnées précédemment offrent une protection) sont-elles réalisables sur toutes les fonctions dans un environnement FaaS ? Voir la description de la thèse dans le fichier PDF Améliorer la performance et la sécurité des fonctions dans le FaaS

-Expertise en Système et Cloud
-Evaluation de performance
-Sécurité
-Machine Learning

• Cloud Computing
• Machine learning