1. Extraction de connaissances : réunir volumes de données et motifs significatifs. Soutenance d’habilitation à diriger des recherches. zz Florent Masseglia INRIA, équipe-projet AxIS. 27 novembre 2009.

2. En 2002…

3. En 2002…

5. M otifs F réquents X X X User5 X X X User4 X X X User3 X X X User2 X X X User1

6. M otifs F réquents User5 User4 User3 User2 User1 X X X X X X X X X X X X X X X

7. 15% 2% Les motifs peuvent aussi être : des enchaînements fréquents .

8. … ou bien des classes. 1207 utilisateurs/jour 308 utilisateurs/jour

9. On doit trouver une aiguille dans…

10. 820 000 Articles sur Wikipedia France en 2009 :

11. Source : www.internetworldstats.com 1,5 milliard de personnes ont accès à Internet en 2009.

12. Les motifs « fréquents » n’existent pas.

13. Les comportements différent selon la période.

14. Les données d’usage sont devenues des flux.

15. L’analyse des (flux de) données d’usage aide à sécuriser les SI.

16. Les motifs fréquents n’existent pas

17. Equipes-Projets Inria Sophia AxIS People 7 niveaux 8 rubriques 2 000 000 pages

18. Equipes-Projets Inria Sophia AxIS People 630 000 résultats pour sophia site:www-sop.inria.fr

19. Les motifs les plus fréquents véhiculent une information évidente. 100% des patients enceintes sont

20. Les motifs les plus fréquents véhiculent une information évidente. 100% des patients enceintes sont des femmes

21. Fréquence Mémoire Temps 100% ~0%

22. les données pour découvrir des connaissances.

23. Equipes-Projets Inria Sophia Maestro Mascotte Planete Découper les traces d’usage : Analyser rubrique par rubrique ?

24. Divide & Discover 60% U5 U4 U3 U2 U1 N H A H A P E U C D T L V E F A Q W L G B L X M B R Z Y L I S O K O J

25. Divide & Discover 60% U5 U3 U1 N A A P U D T V F A W G B X B R Y I S K J U5 U4 U3 U2 U1 N H A H A P E U C D T L V E F A Q W L G B L X M B R Z Y L I S O K O J

26. Divide & Discover 60% U5 U3 U1 N A A P U D T V F A W G B X B R Y I S K J U5 U4 U3 U2 U1 N H A H A P E U C D T L V E F A Q W L G B L X M B R Z Y L I S O K O J O Z L Q L E H U4 O L M L E C H U2

27. Catégoriser les pages Web

28. … /axis/people/Alice.Marascu/Publications/JIIS.pdf … /axis/people/Doru.Tanasa/Publications/Inforsid06.pdf

29. d’où tu viens … Je sais

30. Data mining KDD IA CBR Networks TCP/IP P2P Protocol Data mining WUM KDD Itemsets

31. Data mining KDD IA CBR Networks TCP/IP P2P Protocol Data mining WUM KDD Itemsets

32. www-sop.inria.fr/mimosa/fp/Bigloo/ www-sop.inria.fr/oasis/ProActive/ www-sop.inria.fr/planete www-sop.inria.fr/odyssee www-sop.inria.fr/odyssee/positions/ www-sop.inria.fr/actu/actu_emploi_actuel_fr.shtml « projet, informatique, recherche » « emploi, offre » « code, programme, source »

33. Prenons un peu de recul : pour quelle autre raison ces supports sont-ils si faibles ? Les comportements sont très variés dans l’espace.

34. Découvrir des périodes

35. Les achats de Noël, ou les vacances d’été…

36. Découvrir des périodes qui optimisent la fréquence des motifs Dé couverte d’ I temsets Co mpacts

37. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 (a) (b) (c) (a c) 50%

38. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 50% ( j ) ( a b c )

39. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 50% ( a b c )

40. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 50% ( a b c )

41. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 50% ( a b c )

42. a b c a c d b e f c j h a i j b k l a b c a b c a b c m n o 1 2 3 4 5 6 7 8 9 10 50% ( a b c )

43. U n restaurant au Semir ? D es pages de conférences. …

44. Flux de données

45. Toujours plus de données… toujours plus vite !

46. données ! Pas assez de moyens… Trop de

47. « Vite et bien, ça ne va pas ensemble ! » - Henri Masseglia (mon grand père)

48. Accumuler par paquet les navigations

49. Obama – G.W. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – G. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – Biden – Gates Obama – Biden – H. Clinton Obama – B. Clinton – Gates Obama – Biden – H. Clinton

50. Obama – G.W. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – G. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – Biden – Gates Obama – Biden – H. Clinton Obama – B. Clinton – Gates Obama – Biden – H. Clinton Obama:4 - Biden:3 B. Clinton:1 Gates:2 H. Clinton:2 Obama:4 - G.W. Bush:3 G. Bush:1 - B. Clinton:4 -

51. Obama – G.W. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – G. Bush – B. Clinton Obama – G.W. Bush – B. Clinton Obama – Biden – Gates Obama – Biden – H. Clinton Obama – B. Clinton – Gates Obama – Biden – H. Clinton Obama – Biden – Gates Obama:4 - G.W. Bush:3 G. Bush:1 - B. Clinton:4 Obama:4 - Biden:3 B. Clinton:1 Gates:2 H. Clinton:2 -

52. Gestion de l’ historique

53. « Plus c’est vieux, moins c’est intéressant. » - Les modèles de vieillissement

54. Inspiré de la mémoire humaine ?

55. R égression attentive à l’ E rreur G L O bale

56. S1 S2 S3

57. S1 S2 S3

58. S1 S2 S3

59. A pproximation par les Mi lieux

63. d 1 d 2 d 3 d 4 ∑ d i=1 n i 2

66. Usages, flux et sécurité

67. Détecter les attaques connues Détecter les anomalies (outliers)

68. D étection d’ O utliers

69. D étection d’ O utliers

71. Dupont ?

72. 04.92.38.50.67

73. /etc/passwd ?

74. Big boss - @*%!&!: Real boss - *$%=}^ Admin - -{&%=+ Lawyer - M%*£$ Slave - :?%!=%

75. /etc/passwd ? /etc/passwd ? /etc/passwd ?

76. /etc/passwd ? /etc/passwd ? /etc/passwd ?

77. C onclusion

78. Eviter les a-priori

79. Le volume des données impose des contraintes

80. Les données qui parlent sous la contrainte… … disent ce que vous voulez entendre !

81. Faire de chaque contrainte une piste de recherche

82. aux (courageux) étudiants et post-docs ! En post-doc : Céline Fiot et Wei Wang. En thèse : Alice Marascu, Doru Tanasa et Chongsheng Zhang. En Master : Calin Garboni, Bashar Saleh et Sofiane Sellah. Mais aussi : En stages d’ingénieurs, en stages d’universités étrangères, en cours… M erci

83. M erci

84. M erci

85. A ctivités Encadrement et co-encadrement : 3 doctorants, 2 post-docs, 7 masters, 4 élèves ingénieurs, 4 stagiaires d’universités étrangères Publications : 8 revues internationales avec comité, 19 conférences internationales avec comité Animation de la communauté : 2 livres internationaux édités, 2 numéros spéciaux (TMM & MTAP) 2 workshops (MDM@KDD, 2005 et 2006) Projets : ANR Midas, ARC SéSur, Color Mutan, CRE Orange Labs Comités de programme et journaux : - DMKD, KAIS, TKDE, DKE, IS, JIIS + 6 autres - ICDM, ICML, ICTAI, ACM SAC; BDA, EGC