Observé chez
Ingénieur Data Science Cybersécurité
Défense
Informatique
Gennevilliers
PythonGANLLMDeep Learning
Rôle
Conception et développement d'un pipeline de génération de données synthétiques pour la cybersécurité intégrant des scénarios d'attaques et de comportements nominaux afin de valider et entraîner des modèles de détection d'anomalies.
Technologies
PythonGANLLMDeep Learning
Entités
Communication Network Systems
Contextes
Défense & SécuritéCybersécuritéRéseaux
Compétences
Machine LearningDeep LearningApprentissage non superviséModélisation de donnéesSynthèse scientifiqueAnglais scientifiqueCybersécuritéConnaissance des réseauxTravail en équipeRigueur scientifique
Challenges détectés
2 enjeux- Optimisation
Générer des jeux de données synthétiques réalistes pour la cybersécurité
Technologies clés
PythonGANLLMDeep LearningCompétences clés
Machine LearningDeep LearningModélisation de données - Conformité
Valider la qualité des datasets pour l'entraînement de modèles de détection d'anomalies
Compétences clés
Validation de modèlesSynthèse scientifique

