Dans ce module, nous étudions le contexte des menaces qui sont à l'origine de la fraude à la carte bancaire. Nous nous penchons ensuite sur des implémentations pratiques de systèmes de détection de la fraude à la carte bancaire. Nous abordons également les indicateurs permettant d'évaluer les performances des algorithmes de détection de la fraude à la carte bancaire.

Dans ce module, nous étudions les principes fondamentaux des réseaux antagonistes génératifs (GAN). Nous nous penchons ensuite sur une mise en œuvre pratique des GAN et sur la manière dont ils peuvent être utilisés pour générer des données synthétiques pratiquement impossibles à distinguer des données réelles.

Dans ce module, nous aborderons les attaques adversaires de type « boîte noire » et « boîte blanche ». Nous explorerons également, à travers des exercices pratiques, la mise en œuvre de plusieurs attaques adversaires.

Dans ce module, nous étudierons l'apprentissage par renforcement (RL) et la manière dont il peut être utilisé pour mener des attaques adversaires. Nous aborderons également les techniques d'ingénierie des données permettant d'optimiser les ensembles de données afin d'améliorer les performances des modèles d'apprentissage automatique.

Dans ce module, nous aborderons les techniques d'ingénierie des caractéristiques et d'optimisation des modèles. Nous examinerons également les indicateurs de performance des modèles d'apprentissage automatique.