Modèles graphiques probabilistes

Mission

Comparaison de modèles graphiques probabilistes : évaluation des approches bayésiennes dirigées face aux modèles non dirigés (Markov). Benchmark avancé : mise en œuvre et comparaison de réseaux bayésiens et de réseaux de Markov pour la modélisation des menaces cyber. Transition stratégique : choix des modèles non dirigés pour explorer leur flexibilité face à des scénarios complexes de cybersécurité. Exploration dynamique : analyse approfondie des réseaux de Markov pour détecter, anticiper et modéliser les risques cyber émergents.

Contexte et environnement

Recherche académique appliquée : positionnée à l’interface de la sécurité, du machine learning et des statistiques avancées. Enjeux cybersécurité : anticipation des menaces, amélioration de la détection et de la résilience des systèmes. Volumes de données hétérogènes : logs réseau, incidents, historiques d’alertes de sécurité. Données et expérimentation : préparation de jeux de données, modélisation et évaluation de scénarios de cybersécurité.

Objectifs clés

Technologies et infrastructure