Doctorant dans le domaine de la science des données pour la prise de décision en entreprise
Katholieke Universiteit Leuven
Université étatique, Parcourir ses opportunités similaires
fr
Université étatique, Parcourir ses opportunités similaires
Cette recherche fait partie du projet FWO ANUBIS : Aligned oNline and multilevelUser and entity Behavior analytics for Intelligent System security:
Les affaires numériques prospèrent grâce à des processus de transaction sécurisés. Malgré des procédures d'authentification avancées et des protocoles réseau, une organisation typique est estimée par l'Association of Certified Fraud Examiners à perdre 5% de ses revenus en raison de la fraude. Le développement de puissants systèmes de détection de fraude qui surveillent en permanence les flux de données et apprennent à partir de ces derniers est donc d'une importance cruciale pour réduire les pertes en bloquant, en maîtrisant et en prévenant en temps opportun les comportements malveillants des utilisateurs. Cependant, comme les virus mutent en réponse à l'immunité, les pirates et les fraudeurs adaptent continuellement leurs méthodes en réponse aux efforts des organisations pour atténuer la fraude. Les systèmes en ligne sont sans cesse sondés pour les vulnérabilités de sécurité émanant des modifications et mises à jour du système. La fraude est donc dynamique, dépendante du système et propre à l'organisation.
Par conséquent, il existe un besoin pressant de systèmes de détection de fraude adaptatifs qui, d'une part, s'adaptent en permanence aux évolutions du système et du comportement des utilisateurs et apprennent rapidement à détecter de nouveaux modèles de fraude à partir du flux continu de données généré par les utilisateurs et les systèmes, et d'autre part. main aligner avec les besoins de l'entreprise et l'environnement organisationnel où le système est déployé. Bien que dans le monde idéal, l'objectif des systèmes de détection et de prévention de la fraude soit d'éradiquer la fraude, dans la pratique, la plupart des organisations visent des approches pragmatiques qui sont rentables pour réduire la fraude. Cela peut être réalisé en alignant les systèmes de détection de fraude sur leur rôle organisationnel réel et en les adaptant à l'objectif réel, c'est-à-dire en minimisant les pertes dues à la fraude. Par conséquent, dans ce projet, nous développerons des systèmes qui permettent d'optimiser les efforts d'enquête de sécurité et de fraude en fonction des pertes attendues. À cette fin, les systèmes doivent apprendre à détecter les fraudes impliquant des pertes plus importantes avec une priorité plus élevée sur les cas de fraude impliquant des pertes plus faibles, en tenant également compte du coût des fausses alarmes.
Choisissez le pays que vous souhaitez le visiter pour étudier gratuitement, travailler ou faire du bénévolat
