Développement d’un système unifié de prédiction et détection temps réel des attaques DDoS (Multi-Task Learning & Streaming AI)

CONTEXTE Avec l’explosion du trafic réseau et la sophistication croissante des attaques DDoS, les solutions de cybersécurité doivent être capables d’anticiper les comportements malveillants tout en détectant en temps réel les anomalies. Le stage vise à développer une architecture unifiée multi-tâches (MTL) permettant de prédire simultanément la probabilité d’une attaque DDoS et l’intensité future du trafic malveillant. OBJECTIFS DU STAGE Concevoir, implémenter et évaluer un modèle hybride capable de réaliser détection + prévision en temps réel grâce à une architecture de Multi-Task Learning. TÂCHES DEMANDÉES • Concevoir une architecture MTL (tête classification + tête forecasting) • Intégrer des modèles avancés : LSTM, GRU, xLSTM-Time, Transformers, XGBoost/LightGBM • Développer un pipeline temps réel (inférence < 50 ms) • Déployer une API REST temps réel + dashboard SOC interactif LIVRABLES • Modèle MTL opérationnel • Pipeline temps réel complet • API REST + Dashboard SOC • Rapport scientifique