Intelligence artificielle cyberscurit technique dattaque sur les algorithmes de machine learning

Tous nos mtiers sont ouverts aux personnes en situation de handicap.

L'intelligence artificielle (IA) est devenue une ralit et transforme la fois notre quotidien et les mtiers de nos entreprises. Les opportunits quelle apporte sont au cur de l'attention aussi bien des cyberattaquants que des acteurs de la cyberscurit.

Dans le cadre de rcentes recherches autour du sujet Adversarial Machine Learning, une attaque visant les systmes de Machine Learning, il a t observ que la majorit des publications faisaient rfrence des attaques dalgorithmes de reconnaissance dimages. Effectivement, limage est un trs bon support de visualisation de ce type dattaque.

Cependant, il serait intressant de sappuyer sur le mme procd appliqu cette fois ci une menace plus importante, savoir le malware. En effet, aujourdhui les malwares sont une source de menace qui touche tous les systmes dinformation et les mthodes de protection associes sont toujours challenges et limites.

Crer des malwares adverses permettrait de mettre en vidence la ncessit de protger les systmes de reconnaissance de malwares bass sur du Machine Learning vulnrables ce type dattaque et de proposer des contremesures afin de limiter la capacit de ce type dattaque tromper les outils de scurit.

L'objectif du stage se dcline en trois axes :

1. Axe 1 : Raliser un Proof Of Concept de l'application dattaques adverses sur des systmes de reconnaissance de malwares.
2. Axe 2 : Dvelopper un systme de gnration dexcutables reconnu comme bnins partir de malwares (sans changer la charge virale).
3. Axe 3 : Raliser un Proof Of Concept sur des mthodes de dfense contre ces attaques adverses.

Sous la tutelle d'un.e consultant.e et le pilotage d'un.e manager, le / la stagiaire sera amen.e raliser une partie des travaux suivants :

1. Faire une investigation des diffrentes approches dattaques adverses sur les systmes de reconnaissance de malwares.
2. Faire une analyse comparative des diffrentes mthodes dattaques.
3. Slectionner une mthode dattaque adverse pour crer un gnrateur de malwares adverses.
4. Dvelopper une attaque adverse sur des systmes de reconnaissance de malwares.
5. Dvelopper un gnrateur automatique dexcutables reconnus comme bnins.
6. Optimiser le gnrateur de malwares adverses.
7. Formaliser les bonnes pratiques contre les attaques adverses.
8. Etudier les performances des diffrentes mthodes de dfense.
9. Dvelopper une solution de dfense contre les malwares adverses.

L'intitul et le cadrage exact du sujet de stage ou du travail effectuer seront confirms en dbut de stage.

#J-18808-Ljbffr