Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIP6 (CNRS et Sorbonne Université)
Durée : 12 mois
Contact : Matthieu.Latapy@lip6.fr
Date limite de publication : 2024-04-01

Contexte :
Détecter les fraudes dans les transactions financières est un sujet applicatif crucial : les pertes dûes aux fraudes sont colossales, et l’argent souvent utilisé pour financer des activités nocives. C’est aussi un sujet qui nécessite des travaux de recherche fontamentale importants, par exemple concernant l’analyse de dynamiques de graphes, l’algorithmique en streaming ou la définition de métriques capturant la nature à la fois structurelle et temporelle des données.

Sujet :
Le plus souvent, l’information disponible consiste en un enregistrement de transferts d’argent, comme des virements ou des paiements par carte. On connaît l’origine de l’argent, sa destination, le moment de la transaction et son montant, mais relativement peu d’autres informations (parfois le type de compte ou de carte, le pays de la transaction, etc). Les données sont alors très bien modélisées par des flots de liens (link streams).

Avec cette vision, les fraudes sont des sous-séquences de liens dans un flot de liens, dont on s’attend à ce qu’elles aient des caractéristiques particulières. Tout l’enjeu consiste à identifier ces caractéristiques, à les modéliser par des métriques calculables en temps et espace raisonnables, et enfin à s’en servir pour détecter les fraudes. L’évaluation des méthodes pose également question, face au manque de vérités de terrain, c’est-à-dire de données dans lesquelles les fraudes réelles sont connues.

Ce postdoc propose une approche orientée graphes et données pour répondre à ces problématiques et améliorer drastiquement l’état-de-l’art sur ces sujets. Voir le pdf pour plus de détails.

Profil du candidat :
À titre indicatif, nous sommes particulièrement intéressés par des compétences en analyse de grands graphes et de réseaux, utilisation de machine learning (en particulier scikit-learn), programmation python, graphes aléatoires, manipulation de grandes données en streaming, expérimentations à grande échelle, cybersécurité et traitement du signal.

Une expérience de rédaction d’articles pour des conférences internationales sélectives est également souhaitée. Enfin, un équilibre entre les aspects théoriques et pratiques de la recherche, très présent dans le sujet, serait un plus.

Formation et compétences requises :
Doctorat en informatique, compétences en programmation et algorithmique, utilisation de machine learning (scikit-learn). Ou volonté de s’y former.

Adresse d’emploi :
Paris centre

Document attaché : 202310050726_postdoc_fraudes.pdf