Post-doctorant ou Post-doctorante en Détection D’anomalies Distribuée Explicable Et Robuste

**Présentation de Télécom SudParis**:
Télécom SudParis est une grande école publique d'ingénieurs reconnue au meilleur niveau des sciences et technologies du numérique. La qualité de ses formations est basée sur l’excellence scientifique de son corps professoral et une pédagogie mettant l’accent sur les projets d’équipes, l’innovation de rupture et l’entreprenariat. Télécom SudParis compte 1 000 étudiantes et étudiants dont 700 élèves ingénieurs et environ de 150 doctorantes et doctorants. Télécom SudParis fait partie de l’Institut Mines-Télécom, premier groupe d’école d’ingénieurs en France, et partage son campus avec Institut Mines-Télécom Business School. Télécom SudParis est co
- fondatrice de l'Institut Polytechnique de Paris (IP Paris), Institut de Sciences et Technologies à vocation mondiale avec l’École polytechnique, l’ENSTA Paris, l’ENSAE Paris, l'ENPC et Télécom Paris. Vidéo présentation de Télécom SudParis

**À propos de l'Institut Mines-Télécom**:
L'Institut Mines-Télécom (IMT) est un établissement public dédié à l'enseignement supérieur et la recherche pour l'innovation dans les domaines de l'ingénierie et du numérique. À l’écoute permanente du monde économique, l'IMT conjugue une forte légitimité académique et scientifique, une proximité avec les entreprises et un positionnement unique sur les transformations majeures au XXIe siècle : numériques, énergétiques, industrielles et éducatives siècle. Ses activités se déploient au sein des grandes écoles Mines et Télécom sous tutelle du ministre en charge de l’Industrie et des communications électroniques, de deux filiales et de partenaires associés ou sous convention. L'IMT est membre fondateur de l’Alliance Industrie du Futur. Il est doublement labellisé Carnot pour la qualité de sa recherche partenariale.

Vidéo de présentation de l'Institut Mines-Télécom

**Missions**:
**Activités**:
Afin de renforcer le respect de la vie privée des usagers, nous pourrons exploiter une approche d’apprentissage fédérée et déléguer la collecte et la détection locale aux clients de la solution API. Nous souhaitons également que notre approche soit robuste afin de minimiser le nombre de faux positifs qui peut exploser dans un environnement où les requêtes sont très nombreuses. Nous envisageons l’usage d’apprentissage contradictoire (adversarial ML) et de méthodes d’IA explicative (XAI), mais aussi d’Open Set Learning, pour réduire le taux de faux positifs.

Ces méthodes peuvent être plus ou moins coûteuses et induire des délais pouvant perturber un apprentissage fédéré.
- Dans un premier temps, nous nous permettrons de réaliser un apprentissage hors ligne comme dans un système de détection d’intrusion classique, où les alertes sont traitées par un système de collecte d’événements et d’incidents de sécurité (SIEM).
- Puis, dans un second temps, nous chercherons à optimiser notre chaîne d’apprentissage afin de réduire ces délais et fournir une détection proche du temps-réel, permettant la réaction. La réaction pourra être précise si nous sommes en capacité d’apprendre de nouvelles classes d’attaques.

La validation de la pertinence et de la faisabilité de l’approche fédérée (voire contrastive) se fera non seulement vis à vis de métriques habituelles de performance en matière de détection, mais également à l’aune des coûts induits par le déploiement distribué (passage à l’échelle), ainsi que par rapport aux clients finaux de la solution (préservation de la vie privée).

**Formation**:

- Doctorat ou PhD depuis moins de 3 ans

**Compétences, connaissances et expériences indispensables**:

- Expériences en IA ou machine learning (ML) appliquée à la cybersécurité, en particulier, la détection d’intrusion
- Compétences en apprentissage fédéré (Federated Learning)
- Anglais parlé, écrit

**Compétences, connaissances et expériences souhaitables**:

- Compétences en attaques antagonistes (Adversarial Attacks)
- Compétences en IA explicable (XAI)
- Compétences en apprentissage en monde ouvert (Open Set Learning)
- Compétences en apprentissage contrastif (contrastive learning)
- Connaissances en dérive conceptuelle (concept drift)

**Capacités et aptitudes**:

- Rigueur
- Autonomie
- Travail en équipe
- Nature du contrat : CDD - 24 mois
- Catégorie et métier du poste (usage interne): II - P, Post-doctorat ou A (fonction publique)
- Localisation du poste: Palaiseau (91)
- Emploi ouvert aux titulaires de la fonction publique et/ou aux contractuels
- Conditions de travail : télétravail possible, restaurant et cafétéria sur site, accessibilité en transport en commun (avec participation de l'employeur) ou proche des axes routiers, association du personnel et association sportive sur le campus