Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

4 mai 2018

Post-Doctorant - Définition d’expressions génériques avec représentation en langage pseudo-naturel


Catégorie : Post-doctorant


Post-Doctorant : Définition d’expressions génériques avec représentation en langage pseudo-naturel

Contexte : Le candidat contribuera au développement d’une plateforme logicielle de gestion des risques en temps réel, nommée YUNO, qui permet la protection des organisations contre les perturbations internes ou externes pouvant affecter la continuité d’activité. La version 2 de YUNO est actuellement en cours de développement. Elle constitue une avancée significative par la mise en place de solutions plus générales pour chacune des fonctionnalités de la version 1 de YUNO. YUNO est destiné à être configuré par des utilisateurs non forcément informaticiens. Les données récupérées des sources extérieures sont envoyées dans le modèle métier, qui n’existait pas dans la version 1. Celui-ci permet la définition et la configuration de l’ensemble des entités entrant dans le champ de surveillance de YUNO, par exemple : personnes, lieux, services, machines, ordinateurs, etc. Chaque entité possède des propriétés de type variés tels que String, Number, Email, Telephone, Enumeration, etc.

Mission : définition d’expressions génériques avec représentation en langage pseudo-naturel Technologies et outils utilisés : Node.js, JavaScript ES2015 (ES6), Vue.js, MongoDB, GitLab, Linux (Ubuntu Mate). Profil souhaité du candidat: Le candidat sera titulaire d’une thèse de doctorat en lien avec tout ou partie de : DSL (Domain Specific Language), grammaires formelles, grammaires non contextuelles (BNF), analyse syntaxique, parseurs, modélisation de données, intelligence artificielle, systèmes experts (règles), langage naturel. Le candidat possèdera de solides connaissances en programmation. Une sensibilité à la dimension expérience utilisateur serait aussi appréciée.

Laboratoire : Institut Fresnel CNRS-UMR 7249/ Ecole Centrale de Marseille

Entreprise : Hypervision Technology

Durée : 12 mois

Candidature : Avant le 20 mai 2018, envoyer par email aux contacts, dans un seul fichier PDF : • Un CV détaillé avec la description des travaux de recherche et projets réalisés • Une lettre de motivation centrée sur l’offre

Contacts : Salah BOURENNANE : salah.bourennane@fresnel.fr , 04 91 28 80 38/ 04 91 05 44 14 Xavier LASZCZ, xavier.laszcz@hypervision-technology.com, 06 95 46 64 84

Post-Doc : Définition d’expressions génériques avec représentation en langage pseudo-naturel

Contexte : Le candidat contribuera au développement d’une plateforme logicielle de gestion des risques en temps réel, nommée YUNO, qui permet la protection des organisations contre les perturbations internes ou externes pouvant affecter la continuité d’activité. YUNO agrège en temps réel toutes les données pertinentes disponibles, détecte les menaces pouvant affecter la continuité d’activité et exécute des processus prédéfinis (workflows) pour résoudre la situation. Par sa position transverse au sein du système d’information, YUNO dispose d’une vue d’ensemble unique permettant non seulement de détecter les menaces mais aussi d’orchestrer les efforts de l’ensemble des acteurs humains. YUNO ne remplace pas les systèmes de supervision existants, mais les complète. Il permet de désenclaver les silos métiers qui en général communiquent mal entre eux. Il optimise la chaîne humaine de résilience. Les domaines d’application de YUNO incluent : la sécurisation des centres de calculs (datacenters), la sécurisation des OIV (Opérateurs d’importance vitale), et d’une manière générale la réponse à incidents impliquant la coordination d’équipes hétérogènes. La version 2 de YUNO est actuellement en cours de développement. Elle constitue une avancée significative par la mise en place de solutions plus générales pour chacune des fonctionnalités de la version 1 de YUNO.Ainsi, par exemple, les séquences de suivi de résolution (consistant à envoyer des notifications SMS et email à des personnes sélectionnées) de la version 1 étaient configurables mais “codées en dur”. Dans la version 2, les utilisateurs disposent de workflows entièrement configurables permettant de s’adapter au plus grand nombre de cas de figure. YUNO est destiné à être configuré par des utilisateurs non forcément informaticiens. Les données récupérées des sources extérieures sont envoyées dans le modèle métier, qui n’existait pas dans la version 1. Celui-ci permet la définition et la configuration de l’ensemble des entités entrant dans le champ de surveillance de YUNO, par exemple : personnes, lieux, services, machines, ordinateurs, etc. Chaque entité possède des propriétés de type variés tels que String, Number, Email, Telephone, Enumeration, etc. Le modèle métier est capable de gérer des propriétés multi-valuées (cardinalités 0..1, 1..1, 0..N, 1..N), de gérer les hiérarchies d’entités et les relations entre les entités. Les données en provenance des sources extérieures peuvent être historisées et manipulées par des expressions temporelles (par ex. valeur moyenne sur plage de temps, calcul de pente, etc.). YUNO dispose ainsi d’un modèle suffisamment riche sémantiquement pour pouvoir appliquer des raisonnements sophistiqués. C’est ainsi que des règles peuvent être configurées pour détecter la présence de menaces. Les workflows s’appuient également sur le modèle métier pour l’exécution de la réponse à la détection d’une menace. Ils sont composés d’enchainements étapes-transitions, selon la norme Grafcet. Les actions associées aux étapes peuvent être des actions automatiques (par exemple l’exécution d’un script) ou des envois de messages à des utilisateurs définis dans le modèle métier, sur les canaux emails, SMS, voix, ou application mobile.

Mission : définition d’expressions génériques avec représentation en langage pseudo-naturel A ce jour, YUNO v2 sait détecter des menaces sur la base des informations contenues dans le modèle métier et des données en provenance des sources extérieures, le plus souvent en utilisant des expressions temporelles. Les expressions génériques permettent d’exprimer en une seule fois une logique s’appliquant à un nombre arbitraire d’entités du modèle métier. Par exemple : Tous les ordinateurs portables des personnes appartenant à la division «Groupe devises» au sein du site de Bruxelles ont un taux d’utilisation disque dur supérieur à 90% Ou bien encore : La température moyenne au cours des 4 dernières heures du rez-de-chaussée de n’importe quel bâtiment du site de Paris est supérieure à la valeur maximale autorisée Les expressions génériques se composent de plusieurs éléments : • Un “sélecteur”, comme par exemple “Tous les” ou “N’importe quel” ; • Un ensemble d’entités cibles, comme par exemple “Ordinateurs portables”, “Personne”, “Division”, “Site”, “Bâtiment”, “Etage” ; • Une opération, comme par exemple “Valeur courante” ou “Valeur moyenne au cours des 4 dernières heures” ; • Un test logique, comme par exemple “Supérieur à 90%” ou “Supérieur à la valeur maximale autorisée”. Les expressions génériques doivent donc être capables d’interroger le modèle métier, et pour cela un langage de requêtage spécifique sera défini. Par l’intermédiaire de ce langage de requêtage, les workflows et les règles pourront cibler finement les entités concernées par une opération, comme par exemple envoyer une notification à tous les techniciens du site de Nice actuellement en service et possédant une habilitation technique donnée. Les règles manipulant les expressions génériques seront configurées par l’intermédiaire d’une interface utilisateur permettant une lecture de la logique dans la langue de l’utilisateur : par exemple, français, anglais, espagnol ou allemand. Un certain nombre de travaux ont déjà été réalisés en interne sur ce thème. Le Post-Doc contribuera aux améliorations des solutions existantes, et en assurera la programmation en tout ou partie. Il est donc tout à fait envisageable de repartir sur des bases partiellement ou totalement différentes de l’existant, si le Post-Doc l’estime nécessaire. La mission englobe les éléments suivants : • définition du langage de requêtes sur le modèle métier ; • définitions des expressions génériques et de leur interface de configuration.

Technologies et outils utilisés : Node.js, JavaScript ES2015 (ES6), Vue.js, MongoDB, GitLab, Linux (Ubuntu Mate).

Profil souhaité du candidat: Le candidat sera titulaire d’une thèse de doctorat en lien avec tout ou partie de : DSL (Domain Specific Language), grammaires formelles, grammaires non contextuelles (BNF), analyse syntaxique, parseurs, modélisation de données, intelligence artificielle, systèmes experts (règles), langage naturel. Le candidat possèdera de solides connaissances en programmation. Une sensibilité à la dimension expérience utilisateur serait aussi appréciée.

Laboratoire : Institut Fresnel CNRS-UMR 7249/ Ecole Centrale de Marseille

Entreprise : Hypervision Technology

Durée : 12 mois

Candidature : Avant le 20 mai 2018, envoyer par email aux contacts, dans un seul fichier PDF : • Un CV détaillé avec la description des travaux de recherche et projets réalisés • Une lettre de motivation centrée sur l’offre

Contacts : Salah BOURENNANE : salah.bourennane@fresnel.fr , 04 91 28 80 38/ 04 91 05 44 14 Xavier LASZCZ, xavier.laszcz@hypervision-technology.com, 06 95 46 64 84

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.