Aller au contenu principal
Expert Cybersécurité & IAv9.0
Centres de ressources conformité
Besoin d'un accompagnement expert ?
Devis personnalisé sous 24h — audit, conformité, incident
Outils open source — Gratuits, portables, hors ligne
Caractéristiques communes
100 % hors ligne — aucune donnée transmise
Portables — un seul fichier exécutable
Gratuits — MIT ou GPL v3
Code source ouvert sur GitHub
Checklists Sécurité — Audit & Durcissement
Formats disponibles
📄 PDF 📊 Excel 🌐 Web

11 checklists professionnelles couvrant 2 200+ points de contrôle. Téléchargement gratuit, aucune inscription.

Academy Contact

GAN (Generative Adversarial Network)

ia

Définition

Un GAN, Generative Adversarial Network ou réseau antagoniste génératif, est une architecture d'apprentissage profond introduite en 2014 par Ian Goodfellow, composée de deux réseaux de neurones entraînés simultanément dans une dynamique de compétition. Le générateur prend en entrée un vecteur de bruit aléatoire et tente de produire des données synthétiques, images, sons, texte selon le domaine, suffisamment réalistes pour être confondues avec des données authentiques. Le discriminateur, entraîné en parallèle, reçoit alternativement des exemples réels issus du jeu de données d'entraînement et des exemples générés par le générateur, et apprend à les distinguer avec la plus grande précision possible. Cette dynamique adversariale, formalisée comme un jeu à somme nulle entre les deux réseaux, pousse progressivement le générateur à produire des sorties de plus en plus convaincantes à mesure que le discriminateur devient plus exigeant, jusqu'à un équilibre théorique où le discriminateur ne parvient plus à distinguer le vrai du généré mieux qu'un tirage aléatoire. Les GAN ont marqué une avancée majeure pour la génération d'images photoréalistes avant l'émergence des modèles de diffusion, aujourd'hui souvent préférés pour leur stabilité d'entraînement supérieure. En cybersécurité, les GAN soulèvent des enjeux directs liés à la création de deepfakes exploités dans des campagnes de fraude ou de désinformation, ainsi qu'à la génération de trafic ou d'échantillons de malware synthétiques pour contourner des détecteurs entraînés.

Description

Un GAN (Generative Adversarial Network) est une architecture d'apprentissage profond où deux réseaux s'affrontent : le générateur crée des données synthétiques réalistes, le discriminateur tente de distinguer les données générées des données réelles. Cette compétition améliore progressivement les deux réseaux.

Fonctionnement

Le générateur transforme un vecteur de bruit aléatoire (latent vector) en données synthétiques. Le discriminateur est entraîné en alternance sur données réelles et générées. L'équilibre de Nash (aucun réseau ne peut s'améliorer sans que l'autre s'adapte) représente l'état optimal d'entraînement.

Points clés

  • Supplanté progressivement par les diffusion models pour la génération d'images haute qualité
  • Les GAN conditionnels (cGAN) permettent la génération contrôlée par label ou embedding de condition
  • Les CycleGAN permettent la traduction d'image à image sans paires annotées (ex : transformation photo/peinture)

Articles liés

Un projet cybersécurité ?

Expert dispo · Réponse 24h

Devis