Apprentissage artificiel et classification non-équilibré pour la cybersecurité

Thématiques de recherche : cybersecurité, intelligence artificielle

Dans le traitement des données volumineuses, il arrive souvent d’avoir plusieurs classes, dont certaines sont très minoritaires, ce qu’on appelle un problème non-équilibré. Par exemple, en classement des documents (par ex : données avec 99% courriel / 1% pourriel), en médicine (3% malades, 97% non), en traitement d’image (par ex : ImageNet avec 1000+ classes), ou grands modèles de langage (par ex : 50 000 tokens = classes), . Les algorithmes d’apprentissage tel que réseaux de neurones peuvent alors être très lents à entraîner, ou bien donner des mauvais résultats pour les classes minoritaires. Nous avons proposé d’améliorer l’apprentissage dans ce cas, grâce à une nouvelle fonction de perte [Hillman and Hocking, 2023]. La méthode dans ce papier marche seulement pour le cas de 2 classes, et dans ce projet de doctorat nous proposons un projet de recherche sur une extension pour le cas de plusieurs classes (3 ou plus), et pour d’autres applications dans la cybersecurité.

Référence : Jonathan Hillman and Toby Dylan Hocking. Optimizing ROC curves with a sort-based surrogate loss for binary classification and changepoint detection. Journal of Machine Learning Research, 24(70):1–24, 2023. jmlr.org/papers/v24/21-0751.html