Phd-amélioration de l'efficacité des modèles d'ia pour l'analyse malwares h/f

L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial.
Nous formons les expertes et les experts des technologies d'aujourd'hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l'innovation dont 740 chercheurs. Porteurs d'une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité), les femmes et les hommes de Innovation sont à l'écoute et au service des pays, des régions et des business units pour faire d'Orange un opérateur multiservices de confiance.

« Au sein de Innovation, vous serez intégré(e) dans une équipe de recherche spécialisé en cybersécurité. L'équipe cyberservices développe de nouvelles thématiques de recherche et des innovations en cybersécurité au service des équipes opérationnelles d'Orange tel que le CERT, Orange Cyberdefense. L'équipe est notamment leader dans l'usage d'intelligence artificielle pour la détection de cybermenaces et l'amélioration des outils de cybersécurité». Votre rôle est d'effectuer un travail de thèse sur : Amélioration de l'efficacité, de l'interprétation et de la robustesse des modèles d'IA pour l'analyse de malwares

Contexte global et problématique du sujet
Lutter plus efficacement contre les futurs malwares de plus en plus performants et complexes à l'aide de notre expertise en cybersécurité.
Les modèles d'IA, pour la détection de menaces cybers, se heurtent au développement et au perfectionnement toujours plus rapide des attaquants, maintenant aidés par l'IA générative, et des marchés dits Malware-As-A-Service.
Via de nouveaux modèles d'IA, améliorer la robustesse et l'explicabilité permettra de combler ces lacunes, en ne comptant plus seulement sur la donnée, mais aussi sur la connaissance métier.

Objectif scientifique - résultats et verrous à lever
L'objectif de la thèse est de proposer un framework générique pour l'intégration de connaissances et d'expertise métier, afin d'améliorer les modèles IA pour l'analyse de menaces cybers, avec un cas d'usage à la détection de malwares.

Principaux verrous :
1) Maitriser et intégrer de nouvelles technologies d'IA (LLM, IA neuro-symbolique) pour répondre à des problématiques cybers.
2) Améliorer la collaboration entre les acteurs cybers (analyste, reverser) et les chercheurs en IA/ML.
3) Intégration de la connaissance métier sur les malwares (YARA, Mitre Att&ck, connaissances empirique).
4)Répondre aux problématiques liées à la robustesse et l'explicabilité des modèles et améliorer la confiance.

Principaux résultats attendus :
1) Etat de l'art sur l'IA neuro-symbolique et les LLMs, et leur intégration combinée à des modèles d'analyse pour la cybersécurité.
2) Proposition d'un framework générique applicable à la détection de malware, et à d'autres sujets de cybersécurité.
3) Implémentation d'un prototype pour la détection et l'analyse avancée de malwares.