Ioannis Kaskampas
Portrait d'Ioannis Kaskampas

Doctorant en sécurité matérielle
Sorbonne Université · LIP6 · CNRS

Ioannis
Kaskampas

Sécurité et confiance pour l'IA neuromorphique : les attaques contre les réseaux de neurones impulsionnels et les défenses qui les arrêtent, du logiciel au silicium et jusqu'à l'apprentissage fédéré.

En direct : un réseau impulsionnel avec un cheval de Troie matériel dormant 41 neurones, 101 synapses

lecture d'une entrée saine

  • Doctorat, depuis 2024 Sorbonne Université LIP6 · CNRS, soutenance prévue en mai 2027
  • Axe de recherche Sécurité & confiance du matériel d'IA neuromorphique
  • Formation Ingénierie informatique Diplôme-master intégré, Université de Patras
  • Dernier article IEEE AICAS 2026 SNN2Bitstream : du SNN entraîné au bitstream FPGA

Recherche

Ce sur quoi je travaille au LIP6, et le matériel sur lequel cela repose

Je suis doctorant dans l'équipe CIAN du LIP6 (Sorbonne Université, CNRS), sous la direction du Dr Haralampos-G. Stratigopoulos. Ma recherche pose une question simple au matériel d'IA moderne : peut-on faire confiance à la puce ? J'étudie les attaques de sécurité visant les réseaux de neurones impulsionnels (SNN), aussi bien au niveau logiciel que dans le matériel neuromorphique, ainsi que les défenses qui les détectent et les arrêtent.

Un second axe de travail amène les réseaux impulsionnels vers l'apprentissage fédéré, où de nombreux appareils entraînent un modèle commun sans mettre en commun leurs données. J'explore les SNN dans les différentes formes d'apprentissage fédéré et face à l'hétérogénéité des clients, et j'étudie comment garder ces systèmes sûrs lorsque certains participants ou leur matériel ne sont pas dignes de confiance. Enfin, j'utilise la recherche d'architecture neuronale (NAS), avec l'apprentissage fédéré pour l'entraînement et l'évaluation, afin de trouver des architectures adaptées à un déploiement sur FPGA.

  • Sécurité et confiance matérielles

    Peut-on faire confiance à la puce qui exécute le modèle ? Détecter une logique malveillante cachée, comme les chevaux de Troie matériels, vérifier l'intégrité du silicium et protéger les réseaux impulsionnels et les puces neuromorphiques contre les attaques que le logiciel ne voit pas.

  • Réseaux de neurones impulsionnels

    Des modèles pilotés par les événements, qui intègrent les impulsions d'entrée jusqu'au franchissement d'un seuil puis émettent une impulsion, et calculent avec des événements binaires épars plutôt qu'avec des nombres denses.

  • Apprentissage fédéré

    De nombreux appareils entraînent un même modèle sans mettre leurs données en commun ; à chaque tour, les mises à jour montent et un modèle global redescend, sur un matériel qui doit être digne de confiance.

  • Calcul neuromorphique

    Des puces construites comme les réseaux qu'elles exécutent : de nombreux petits cœurs qui s'échangent des impulsions et ne calculent que lorsqu'un événement arrive, prototypées sur FPGA du modèle entraîné jusqu'au bitstream.

Publications récentes

Des plus récentes aux plus anciennes
  1. 2026IEEE AICAS

    SNN2Bitstream: Automated Model-to-FPGA HLS-Based Framework for Spiking Neural Network Hardware Accelerators

    X. Zhang, I. Kaskampas, A. Pinna, H.-G. Stratigopoulos

    2026 IEEE 8th International Conference on Artificial Intelligence Circuits and Systems (AICAS), Ha Long, Viêt Nam, septembre 2026.

  2. 2025IEEE HOST

    Input-Triggered Hardware Trojan Attack on Spiking Neural Networks

    S. Raptis, P. Kling, I. Kaskampas, I. Alouani, H.-G. Stratigopoulos

    IEEE International Symposium on Hardware Oriented Security and Trust (HOST), San José, Californie, États-Unis, mai 2025.

Voir toutes les publications

Biographie

Patras, les fusiliers marins grecs, puis Paris

Ioannis Kaskampas a obtenu son diplôme-master intégré d'ingénieur en informatique (Computer Engineering and Informatics) à l'Université de Patras (École polytechnique) en décembre 2022, se classant parmi les 15 % meilleurs de sa promotion (7,28/10). Son mémoire, noté 10/10, a mis en œuvre un système d'imagerie thermique à bas coût avec détection de points chauds en temps réel sur FPGA, construit sur un SoC à base de MicroBlaze avec des blocs IP matériels dédiés au traitement d'images thermiques.

De mars à novembre 2023, il a servi dans les forces spéciales de l'armée grecque (575e bataillon de fusiliers marins) comme fusilier marin réserviste, spécialiste des transmissions et cryptologue. Il a exploité et entretenu des équipements cryptographiques, des radios et des systèmes de communication, pris en charge le serveur de données principal pour la maintenance et les tâches opérationnelles, et a été promu de soldat à caporal au cours du dernier mois de son service.

Depuis mai 2024, il est doctorant au LIP6 (Sorbonne Université, CNRS) à Paris, en génie électrique et matériel informatique ; la soutenance est prévue en mai 2027. Il parle couramment le grec (langue maternelle) et l'anglais (niveau C2).