Ce projet vise à étudier et modéliser divers scénarios d'attaques informatiques à travers l'utilisation d'Attack-Defence Trees (ADTrees) et leur transformation en systèmes multi-agents asynchrones (EAMAS). Les cas d'utilisation incluent la modélisation d'attaques à la propriété intellectuelle, l'obtention de privilèges administratifs sur des systèmes UNIX, la compromission de dispositifs IoT et la simulation de scénarios de cambriolage.

Service de transformation de données basé sur DFDL (Data Format Description Language) permettant de convertir des données selon des schémas prédéfinis et de valider des données selon ces mêmes schémas. Il inclut également la gestion de préférences pour les transformations de données.

Ce projet est dédié à la transformation de la voix dans le cadre du projet COMPRISE. Il inclut une bibliothèque Python pour la conversion de voix utilisant des méthodes VLTN et une méthode d'anonymisation de la voix utilisant des x-vecteurs et des modèles de forme d'onde neuronaux.

Ce projet est une implémentation officielle d'une approche de détection de vulnérabilités XSS (Cross-Site Scripting) dans du code PHP, en utilisant l'apprentissage profond. Il fournit des fonctions de transformation de code PHP, telles que la génération de code PHP avec affichage HTML, le renommage automatique de variables PHP et la substitution de balises HTML.

Ce projet est une implémentation officielle d'une approche de détection de failles XSS (Cross-Site Scripting) dans le code source utilisant l'apprentissage automatique. Il permet de traiter et d'analyser du code source à grande échelle pour en détecter les vulnérabilités et améliorer la sécurité des applications web.