stage R&D : auto-adaptable fraud detection model

Stage Par Atos
  • Système d'information / Urbanisation des SI
  • Seclin
  • A négocier

Description

Site internet: http://www.atos.net

stage R&D : auto-adaptable fraud detection model

Company Information

Worldline [Euronext : WLN] est le leader européen et un acteur mondial de référence dans le secteur des paiements et des services transactionnels. Worldline met en place des services nouvelle génération, permettant à ses clients d'offrir au consommateur final des solutions innovantes et fluides. Acteur clef du B2B2C, riche de plus de 40 ans d'expérience, Worldline sert et contribue au succès de toutes les entreprises et administrations, dans un marché en perpétuelle évolution. Worldline propose un Business Model unique et flexible, construit autour d'un portefeuille d'offres évolutif et global permettant une prise en charge end-to-end. Les activités de Worldline sont organisées autour de trois axes : Merchant Services & Terminals, Mobility & e-Transactional Services, Financial Processing & Software Licensing. Worldline emploie plus de 7 300 collaborateurs dans le monde entier et a généré un revenu de 1,22 milliard d'euros en 2015. Worldline est une entreprise du Groupe Atos. worldline.com

Job Description

Contexte du stage :

Carte bancaire, prélèvement, chèques, paiements en ligne, paiement P2P, wallet de paiement mobile, .., tous ces supports de paiement vous exposent à la convoitise de nombreux fraudeurs.

Le système de détection de la fraude sépare les transactions frauduleuses des transactions normales par l'analyse de leurs différentes caractéristiques. Mais pourtant, du fait du changement de comportement des clients et de l'évolution du business des commerçants en réponse, les fraudeurs s'adaptent en permanence, … Les caractéristiques des transactions frauduleuse évoluent donc au cours du temps d'une manière imprévue. Ceci peut diminuer les performances du système de détection de la fraude.

Le département R&D de Worldline, développe des prototypes qui mettent en œuvre des technologies innovantes pour détecter tous les types de fraudes dans ces différents contextes.

Durant ce stage, vous intégrerez nos équipes R&D afin de participer à la réalisation de PoC innovants dans ce domaine basés sur des nouvelles techniques de « machine learning » et « data mining ».

Le projet :

Vous serez amené(e)s à prendre connaissance de différentes techniques de« machine learning » et « data mining »dans le contexte de « concept drift »[1,3] afinde réaliser un auto-adaptable antifraude système[2].

[1] João Gama, Indrė Žliobaitė, Albert Bifet, Mykola Pechenizkiy, and Abdelhamid Bouchachia.

A survey on concept drift adaptation. ACM Comput. Surv. 46, 4, Article 44 (March 2014)

[2] Aisha Abdallah, Mohd Aizaini Maarof, Anazida Zainal, Fraud detection system: A survey,

Journal of Network and Computer Applications, Volume 68, June 2016, Pages 90-11

[3] D. Malekian and M. R. Hashemi, "An adaptive profile based fraud detection framework

for handling concept drift," Information Security and Cryptology (ISCISC), 2013

10th International ISC Conference on , Yazd, 2013, pp. 1-6

A la fin du stage, vous aurez appris à :

- Explorer les domaines techniques et mathématiques ;

- Approfondir vos connaissances théoriques sur les méthodes de « machine learning » et « data mining »;

- Appréhender les bonnes pratiques de développement sur différentes plateformes, et de modélisation de nouveaux modèles de détection de fraude.

Job Requirements

Etudiant(e) Bac +5 en école d'ingénieur ou université orientée informatique.

Vous connaissezles méthodes de « machine learning » et « data mining ».

La créativité, l'autonomie, l'ouverture d'esprit sont des atouts complémentaires.

Découvrir la Page Entreprise

Ils ont travaillé ici