STAGE Construction automatique de graphes et Deep learning pour la découverte de cyber-attaques(H/F) à Grenoble

Atos est un leader international de la transformation digitale avec environ 100 000 collaborateurs dans 72 pays et un chiffre d’affaires annuel de l’ordre 12 milliards d’euros. Numéro un européen du Big Data, de la Cybersécurité, des supercalculateurs et de l’environnement de travail connecté, le Groupe fournit des services Cloud, solutions d’infrastructure et gestion de données, applications et plateformes métiers, ainsi que des services transactionnels par l’intermédiaire de Worldline, le leader européen des services de paiement. Grâce à ses technologies de pointe et son expertise digitale & sectorielle, Atos accompagne la transformation digitale de ses clients dans les secteurs Défense, Finance, Santé, Industrie, Médias, Énergie & Utilities, Secteur Public, Distribution, Télécoms, et Transports. Partenaire informatique mondial des Jeux Olympiques et Paralympiques, le Groupe exerce ses activités sous les marques Atos, Atos Consulting, Atos Worldgrid, Bull, Canopy, Unify et Worldline. Atos SE (Societas Europea) est une entreprise cotée sur Euronext Paris et fait partie de l’indice CAC 40.

Au sein d’ATOS BDS R&D, l’équipe MICS est dédiée aux solutions d’intelligence artificielle liées à la cybersécurité. L’objectif est de fournir des composants innovants minimisant l’effort des opérationnels métiers en améliorant l’efficacité des systèmes de détection, s’appuyant sur les dernières avancées en machine learning.

Les avancées dans le domaine de la construction des graphes ont permis de fournir des représentations pertinentes d’un système pouvant être exploitées par différents procédés d’intelligence artificielle. Ces approches pourraient être particulièrement intéressantes dans le cadre de la cybersécurité afin de caractériser au mieux la dynamique de l’ensemble des échanges dans un système d’information et de détecter des attaques potentielles à partir de signaux faibles (i.e. étalées sur plusieurs entités et dans le temps).

De plus, ces représentations pourraient être utilisées en entrée d’autres modèles afin d’extraire de nouvelles caractéristiques ou de fournir un niveau de raisonnement suffisant afin d’identifier des attaques inconnues.
De même, la quantité de données à traiter, essentiellement produite par les utilisateurs et les services, nécessite de fournir des solutions passant à l’échelle et des contraintes de traitement en continu.

Mission

L’objet du stage est de participer à la construction automatique d’une représentation des données du système d’information sous forme de graphes.
Ainsi, le stagiaire devra principalement fournir des implémentations et propositions originales (sous graphes temporels, embedding, etc.) permettant de capturer les informations les plus pertinentes pour le domaine de la cybersécurité. Mais aussi, d’envisager les possibilités d’utilisation par d’autres modèles (apprentissage profond par exemple) afin de capturer/corréler d’autres informations [1,2,3]
Ceci doit se faire en respectant les contraintes de passage à l’échelle.
Le stage se déroulera en plusieurs étapes :

• Réaliser l’état de l’art sur les références dans le périmètre des méthodes d’élaboration des graphes
• Recenser et discuter sur les implémentations mises en œuvre (proposition des axes de validation, métriques, etc.)
• Implémenter et développer des modèles et algorithmes requis ainsi que l’intégration au sein de nos plateformes de démonstration.

De même, le stagiaire devra s’intégrer dans le processus Agile utilisé par l’équipe (réunion quotidienne, démonstrations, etc.)

Ref.

[1] A Chronological Edge-Driven Approach to Temporal Subgraph Isomorphism (https://arxiv.org/pdf/1801.08098.pdf)

[2] Network Representation Learning: A Survey
(https://arxiv.org/pdf/1801.05852.pdf)

[3] GraphGan : Graph Representation Learning with Generative Adversarial Nets
https://arxiv.org/abs/1711.08267

Diplôme / Formation

Ecole d’ingénieur / Bac +5 en ingénierie logicielle / Mathématiques

Compétences

Vous avez des compétences en Machine Learning (la connaissance des approches
Deep learning serait un plus)

Vous savez coder et avez des bases solides en ingénierie logicielle.

Vous possédez un bon niveau d'anglais.

Vous faîtes preuve de créativité, d'autonomie et de curiosité pour des sujets de recherche.

Durée

4 à 6 mois

La diversité de nos missions au plus près de nos clients entouré d'une équipe agile et soudée vous permettront d'exploiter et de faire évoluer vos compétences dans une entreprise soucieuse du wellbeing@work de ses employés.

Chez Atos la diversité est au cœur de notre politique RH. C'est pourquoi Atos a mis en place un accord relatif à l’égalité professionnelle entre les hommes et les femmes. Par ailleurs, nos métiers sont tous accessibles aux personnes en situation de handicap, et ce quelle que soit la nature de leur handicap.