Nadjate Saïdani nouvelle diplômée au doctorat en sciences et technologie de l’information
Madame Nadjate Saïdani a soutenu avec succès sa thèse, le 23 juin 2021, et est ainsi devenue nouvelle diplômée au doctorat en sciences et technologie de l’information. Elle a de plus obtenu la mention ‘Excellent’ lors de sa soutenance.
À noter qu’en raison de la pandémie de la COVID-19 et des mesures de confinement, la soutenance s’est déroulée via une conférence Zoom.
La thèse de madame Saïdani s’intitule : « Approche par apprentissage automatique pour la détection de spam en utilisant une représentation sémantique ».
Une capture d'écran de la récente soutenance de madame Nadjate Saïdani, nouvelle diplômée au doctorat en sciences et technologies de l'information.
La thèse se résume comme suit : « L’utilisation du courriel est considérée comme le moyen de communication le plus populaire depuis des décennies. Cependant, sa popularité a engendré un problème majeur lié à la réception de courriels non sollicités et indésirables. Ces courriels, communément appelés spam, représentent une menace majeure pour les individus et les organisations. Même si, dans la littérature, beaucoup de travaux ont été consacrés à la détection de spam, ce dernier représente toujours un réel problème pour la sécurité des infrastructures informatiques.
La plupart des travaux de recherche pour la détection de spam utilisent des approches basées sur le contenu, qui ont montré des résultats prometteurs. Ces dernières utilisent habituellement des représentations textuelles, sous forme d’espaces de caractéristiques, permettant la discrimination spam/courriel légitime à l’aide des algorithmes de classification. Cependant, la plupart de ces méthodes utilisent des espaces holistiques et de grandes dimensions qui ne considèrent pas les aspects sémantiques de haut niveau du texte et ignorent la spécificité du spam dans différents domaines thématiques.
Cette thèse traite ce problème en proposant une approche originale pour la détection de spam qui interprète le contenu des courriels sur deux niveaux sémantiques différents. Dans le premier niveau, nous catégorisons les courriels par domaines thématiques spécifiques (ex., Santé, Éducation, Finance, etc.) pour permettre une vue conceptuelle distincte pour les spams dans chaque domaine. Dans le second niveau, nous extrayons automatiquement dans chaque domaine un ensemble de caractéristiques sémantiques à partir de courriels étiquetés, que nous représentons sous forme de règles permettant la détection de spam. Ces caractéristiques résument le contenu des courriels en un ensemble de sujets formant des espaces de caractéristiques compacts qui distinguent efficacement le spam des courriels légitimes.
Des expériences sur un large corpus de courriels ont montré que la méthode proposée fournit une représentation efficace de la structure sémantique interne du contenu des courriels, ce qui permet d’obtenir des résultats de filtrage anti-spam plus précis et plus efficaces par rapport aux méthodes existantes. Ils ont également démontré que le fait de disposer d’un classificateur spécialisé pour cibler les spams de chaque domaine peut améliorer la discrimination des spams/courriels légitimes au sein du domaine et améliorer les performances globales de détection de spam. »
Les recherches de madame Saïdani ont été dirigées par le professeur Kamel Adi, du Département d’informatique et d’ingénierie (DII) de l’UQO et codirigées par le Professeur Mohand Said Alli, du DII de l’UQO. Le jury pour la soutenance était présidé par le professeur Luigi Logrippo, du DII de l’UQO, et composé des professeurs Marc Frappier, du Département d’informatique l’Université de Sherbrooke et Alan Davoust, du DII de l’UQO.
Hélène Forget, la nouvelle vice-rectrice à l'enseignement et à la réussite, qui était jusqu'à tout récemment doyenne des études à l’UQO, prenait également part à la soutenance.
L’UQO félicite madame Nadjate Saïdani.
Le 29 juin 2021