Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

31 mars 2017

Développement de méthodes d’apprentissage automatique pour la détection de fraude bancaire


Catégorie : Doctorant


TITRE DU SUJET DE THÈSE : Développement de méthodes d’apprentissage automatique pour la détection de fraude bancaire

ENCADREMENT DE THÈSE ET CONTACT : Hani HAMDAN, Hani.Hamdan@centralesupelec.fr

 

ÉQUIPE D’ACCUEIL

CentraleSupélec, UMR CNRS 8506, L2S (Laboratoire des Signaux et Systèmes).

FINANCEMENT : Convention CIFRE en CDI (Contrat à Durée Indéterminée).

DESCRIPTIF ET APPORT DU TRAVAIL DE THÈSE

Contexte de la recherche :

La thèse se déroulera au sein du département Traitement du Signal et Statistiques de CentraleSupélec : école résultant de la récente fusion de l’École Centrale de Paris (Centrale Paris) et de l’École Supérieure d’Électricité (Supélec). Le sujet proposé s’inscrit à la croisée de plusieurs thèmes de recherche du département, en particulier le traitement du signal, l’apprentissage automatique, la décision et la reconnaissance de formes. Ce travail répond à un thème scientifique prioritaire sur la détection de fraude bancaire.

Bref descriptif scientifique et pré requis :

Dans le cadre de la détection de fraude bancaire et de l’anti-blanchiment d’argent, le laboratoire des Signaux et Systèmes (L2S, UMR CNRS 8506) contribuera à faire évoluer le noyau principal d’un logiciel d’anti-blanchiment d’argent en y intégrant des règles de détection basées sur la théorie de la décision statistique. En effet, bien que la version actuelle du logiciel soit opérationnelle, elle fonctionne à base de règles fixées à l’avance. Ces règles ont été constituées pour faire face à un grand nombre de situations susceptibles de présenter des cas de fraude bancaire. Toutefois, ces règles ne peuvent pas couvrir tous les cas possibles de fraude et restent figées. Comme les techniques de fraude et de blanchiment d’argent évoluent, il faudra désormais avoir des outils adaptatifs et évolutifs capables de s’adapter à de nouveaux scénarios de fraude. Or cela pourra être effectué en utilisant des techniques d’apprentissage automatique adaptées à ce contexte, ce qui permettra de rendre plus efficace la tâche d’anti-blanchiment. Cette thèse vise donc à traiter ce problème en développant de nouvelles méthodes d’apprentissage automatique et de décision. Un accent particulier sera accordé à la détermination automatique des seuils pour les règles de décision ainsi qu’à l’apprentissage statistique à partir de retours d’experts. Cela donnera lieu à des avancées en termes de développement de méthodes de détection à seuils adaptatifs et contribuera à apporter une nouvelle expertise dans le domaine de traitement de données bancaires. Le travail sera à la fois :

Le candidat devra donc avoir des connaissances solides en apprentissage automatique et en décision ainsi qu’une bonne maîtrise de la programmation avec Matlab. Il devra également être capable de faire preuve d’un bon sens pratique et d’ouverture d’esprit.

Compétences acquises lors du travail de thèse :

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2015.