Logiciel

Ecomata

EcoMata est une boite à outils permettant la modélisation qualitative d’écosystèmes et l’exploration de scenarios. Ces écosystèmes sont formés d’un ensemble d’espèces entretenant des relations de type proie-prédateur et sujettes à des pressions anthropiques (pêche) ou des perturbations environnementales. EcoMata est un logiciel libre et gratuit, écrit en Java.

Ecomata Web Site: https://team.inria.fr/dream/ecomata/
Contact: Christine Largouët

LogAnalyzer

LogAnalyzer est un logiciel de visualisation, d’exploration et d’analyse de log d’accès à des serveurs HTTP. Ce logiciel a développé dans le cadre du projet SéSur.

LogAnalyzer permet de détecter des intrusions de manière adaptative. Ce logiciel permet également la visualisation et l’exploration des logs (filtrage, analyse de la structure du serveur ou des transactions). Le logiciel contient également des outils qui permettent de recueillir des statistiques sur les logs et de faire de l’insertion artificielle d’intrusions dans des logs (utiles pour l’évaluation de méthodes de détection d’intrusion).

Site Web LogAnalyzer : http://www.irisa.fr/dream/LogAnalyzer/
Contact: Thomas GUYET

QTempIntMiner

QTempIntMiner considère le problème de la découverte de motifs temporels fréquents dans une base de données de séquences temporelles, où une séquence temporelle est un ensemble d’items avec des dates et des durées associées. Comme les informations quantitatives temporelles sont fondamentales dans de nombreux contextes, elles sont prises en compte dans le processus de fouille et retournées avec la connaissance extraite. À cette fin, nous avons adapté le cadre classique de GSP afin de proposer un algorithme efficace fondé sur une représentation hyper-cube des séquences temporelles. L’extraction de l’information temporelle quantitative est réalisée en utilisant une estimation de la densité de la distribution des intervalles temporels associés aux événements dans les séquences temporelles. Une évaluation sur des ensembles de données synthétiques montre que l’algorithme proposé peut extraire de manière robuste des motif temporels fréquents avec des contraintes temporelles quantitatives.

QTIPrefixSpan et QTIAPriori étendent respectivement les algorithmes PrefixSpan et GSP avec une étape de clustering d’intervalles multi-dimensionnels pour extraire les intervalles temporels représentatifs associés à des événements dans les motifs.

Site Web QTempIntMiner : http://www.irisa.fr/dream/QTempIntMiner/
Contact: Thomas Guyet

Sacadeau

SACADEAU est un outil informatique autorisant

• la simulation de scénarios décrivant, au niveau d’un bassin versant, des itinéraires techniques et des situations climatiques typiques. Le résultat des simulations sont des chroniques temporelles des variables reflétant la qualité de l’eau. Ce simulateur doit être facilement renseignable et simple d’utilisation pour le responsable de la ressource en eau du bassin versant.
• l’extraction automatique par apprentissage, à partir des résultats de la simulation, de relations explicatives entre les variables décrivants les types de climats, les pratiques agricoles … et celles décrivant la qualité de l’eau.

Site Web Sacadeau : http://www.irisa.fr/dream/SACADEAU/index.htm
Contact: Véronique Masson

CarDeCRS: a chronicle-based distributed diagnosis platform

CarDeCRS (Chroniques appliquées à la reconnaissance des erreurs dans les environnements distribués, au moyen de CRS) est une plateforme de diagnostic générique qui est actuellement développé dans le projet DREAM.
Cette plateforme vise à monitorer les systèmes complexes, grâce à des chroniques distribuées spécialement conçues. Son objectif est d’établir un système de bout en bout, agissant depuis l’acquisition des chroniques jusqu’au diagnostic final, sans avoir besoin de logiciel supplémentaire.
La mise en œuvre repose principalement sur:

• un système de reconnaissance de chroniques appelé CRS, développée par C. Dousson et son équipe, de France Télécom Recherche & Développement de Lannion (pour la partie diagnostic);
• un environnement RMI / à base multithread (pour la partie bas niveau).

Achevée en 2009, la plateforme a été expérimentée dans le cadre du projet de WS-Diamond européenne pour la surveillance des services Web.

Contact: Laurence Rozé

Calicot

La plate-forme Calicot (Cardiac Arrhythmias Learning for Intelligent Classification of On-line Tracks) intègre les différents composants logiciels utilisés pour l’apprentissage et la reconnaissance d’arythmies cardiaques. Les modules de traitement de signal implantés en Matlab assurent la détection et la classification des ondes provenant d’un ECG pour produire un flot d’événements symboliques datés. Ce flot peut être placé en entrée du reconnaisseur de chroniques CRS afin de procéder à la détection d’arythmies cardiaques par reconnaissance de chroniques. CRS, mis à notre disposition par France Telecom RD (http://crs.elibel.tm.fr/), se présente sous forme d’une bibliothèque de programmes Java à partir desquels il est possible d’écrire des reconnaisseurs de chroniques adaptés au domaine d’application. Le flot d’événements symboliques peut également servir à constituer une base d’exemples à partir desquels les chroniques seront apprises. L’apprentissage est réalisé au moyen d’ICL (http://www.cs.kuleuven.ac.be/~wimv/ICL/), un système d’apprentissage automatique utilisant la programmation logique inductive.

Site Web Calicot : http://www.irisa.fr/dream/Calicot/index_en.php
Contact: René Quiniou

ManageYourself

Manage Yourself est un projet de diagnostic et de surveillance de plateformes embarquées, inscrit dans une collaboration entre Telelogos et DREAM.
L’application développée comporte trois parties :

• Un module de surveillance, constitué de règles préventives, tournent en permanence sur le smartphone. Une règle préventive peut par exemple être si la mémoire est saturée alors vider le répertoire tmp.
• Un module de reporting est embarqué sur les smartphones, il stocke régulièrement l’état de l’appareil (quantité mémoire libre, état de la connexion réseau, applications lancées…), sous forme de rapport de bon fonctionnement. De même lorsqu’une application ou que le système plante un rapport de mauvais fonctionnement est stocké. A intervalles réguliers ces rapports sont envoyés à un serveur.
• Un module d’apprentissage est lancé à intervalles réguliers sur le serveur, à partir des rapports de bon et de mauvais fonctionnement des règles de plantage sont apprises. Un expert transforme alors ces règles de plantages en règles de préventives, qui sont chargées sur le smartphone.

ManageYourself Web Site: http://www.irisa.fr/dream/ManageYourself
Contact:  Laurence Rozé