La Prédiction de Liens dans les Réseaux Sans-fil Mobiles et Dynamiques Centrés sur l’Être Humain

Le jury était composé de : Mme Hassnaa Moutafa, Ingénieur de Recherche Sénior, Orange Labs, rapporteur ; M. André-Luc Beylot, Professeur, IRIT/ENSEEIHT, rapporteur ; M. Marcelo Dias de AMORIM, Chargé de Recherche, LIP6/CNRS, examinateur ; Mme Pascale Minet, Chercheur HDR, INRIA Rocquencourt, examinateur ; M. Farid Benbadis, Ingénieur Chercheur, Thalès Communications, examinateur ; M. Djamal Zeghlache, Professeur, Télécom SudParis, directeur de thèse ; M. Sami Tabbane, Professeur, SUP’COM Tunis, co-directeur de thèse ; M. Vincent Gauthier, Maître de Conférences, Télécom SudParis, encadrant.

Durant ces dernières années, nous avons observe une expansion progressive et continue des réseaux mobile sans-fil centrés sur l’être humain. L’apparition de ces réseaux a encouragé les chercheurs à réfléchir à de nouvelles solutions pour assurer une évaluation efficace et une conception adéquate des protocoles de communication. En effet, ces réseaux sont sujets à de multiples contraintes telles que le manque d’infrastructure, la topologie dynamique, les ressources limitées ainsi que la qualité de service et la sécurité des informations précaires.

Nous nous sommes spécialement intéressés à l’aspect dynamique du réseau et en particulier à la mobilité humaine. La mobilité humaine a été largement étudiée pour pouvoir extraire ses propriétés intrinsèques et les exploiter pour des approches plus adaptées à cette mobilité. Parmi les propriétés les plus intéressantes soulevées dans la littérature,  nous nous sommes focalisés sur l’impact des interactions sociales entre les entités du réseau sur la mobilité humaine et en conséquence sur la structure du réseau. Pour recueillir des informations structurelles sur le réseau, plusieurs métriques et techniques ont été empruntées de l’analyse des réseaux sociaux (Social Network Analysis notée également SNA). Cet outil peut être assimilé à une autre alternative pour mesurer des indicateurs de performance du réseau. Plus précisément, il extrait des informations structurelles du réseau et permet aux protocoles de communication de bénéficier d’indications utiles telles que la robustesse du réseau, les nœuds centraux ou encore les communautés émergentes. Dans ce contexte, la SNA a été largement utilisée pour prédire les liens dans les réseaux sociaux en se basant notamment sur les informations structurelles.

Motivés par l’importance des liens sociaux dans les réseaux mobiles sans-fil centrés sur l’être humain et par les possibilités offertes par la SNA pour prédire les liens, nous nous proposons de concevoir la première méthode capable de prédire les liens dans les réseaux sans-fil mobiles tels que les réseaux ad-hoc mobiles (Mobile Ad-Hoc Networks ou MANETs) et les réseaux tolérants aux délais (Delay/Disruption Tolerant Networks ou DTNs). Notre proposition suit l’évolution de la topologie du réseau sur T périodes à travers un tenseur (en ensemble de matrices d’adjacence et chacune des matrices correspond aux contacts observés durant une période bien spécifique).

Ensuite, elle s’appuie sur le calcul de la mesure sociométrique de Katz pour chaque paire de nœuds pour mesurer l’étendue des relations sociales entre les différentes entités du réseau. Une telle quantification donne un aperçu sur les liens dont l’occurrence est fortement pressentie à la période T+1 et les nouveaux liens qui se créent dans le futur sans pour autant avoir été observés durant le temps de suivi.

Pour attester l’efficacité de notre proposition, nous l’appliquons sur trois traces réelles et nous comparons sa performance à celles d’autres techniques de prédiction de liens présentées dans la littérature. Les résultats prouvent que notre méthode est capable d’atteindre le meilleur niveau d’efficacité et sa performance surpasse celles des autres techniques. L’une des majeures contributions apportées par cette proposition met en exergue la possibilité de prédire les liens d’une manière décentralisée. En d’autres termes, les nœuds sont capables de prédire leurs propres liens dans le futur en se basant seulement sur la connaissance du voisinage immédiat (voisins à un et deux sauts).

En outre, nous sommes désireux d’améliorer encore plus la performance de notre méthode de prédiction de liens. Pour quantifier la force des relations sociales entre les entités du réseau, nous considérons deux aspects dans les relations : la récence des interactions et leur fréquence. À partir de là, nous nous demandons s’il est possible de prendre en compte un troisième critère  pour améliorer la précision des prédictions. En soutenant l’heuristique qui stipule que les liens persistants sont fortement prédictibles, nous considérons la stabilité des relations (lien ou proximité à deux sauts). Pour mesurer cette stabilité, nous optons pour l’estimation d’entropie d’un phénomène évoluant dans le temps proposée dans l’algorithme de compression de Lempel-Ziv. Nous considérons que les mesures fournies par notre méthode et les mesures de stabilité se complètent et nous proposons en conséquence différentes combinaisons pour la conception de nouvelles métriques de prédiction de liens. Les résultats de simulation confirment le fondement de notre intuition.

La proposition d’une méthode de prédiction de liens basée sur les tenseurs et la dérivation de nouvelles métriques liées à la stabilité des relations pour l’amélioration de cette méthode représentent les contributions majeures de cette thèse. Le long de cette thèse, notre souci a été de réfléchir sur des mécanismes et des métriques capables d’améliorer l’évaluation ou la conception des protocoles de communication. Néanmoins, nos efforts ne ce sont pas limités aux travaux de prédiction de liens et nous avons eu l’opportunité de proposer deux autres contributions. D’une part, nous proposons un modèle commun pour les couches physique et liaison de données pour le standard IEEE 802.15.4. D’autre part, nous avançons un mécanisme d’apprentissage basé sur un jeu répétitif, inspiré du célèbre jeu télévisé « Le Maillon Faible », pour stimuler la coopération dans un réseau ad-hoc non coopératif.