La croissance exponentielle des réseaux de dispositifs connectés dans le monde entier signifie que les opérateurs de télécommunications ont besoin de systèmes intelligents et performants pour aider à maintenir leurs réseaux vastes et complexes. Pour répondre aux limites des modèles de détection d'anomalies (DA) les plus populaires, les auteurs proposent un nouveau modèle géométrique multidimensionnel probabiliste pour rechercher les comportements anormaux dans l'espace de données, générer des scores d'anomalie et quantifier les facteurs d'anomalie. Ils introduisent également un algorithme pour générer un score final basé sur quatre caractéristiques dérivées des données historiques pour les données d'alarme. En outre, ils présentent un algorithme pour aider à prétraiter les données textuelles, les regrouper en classes et étiqueter dynamiquement chaque classe comme une anomalie ou non. Enfin, ils proposent une méthode qui réduit la dimensionnalité et propose un système de score d'anomalies basé sur la théorie des records. Dans l'ensemble, leurs recherches fournissent des méthodes innovantes pour détecter et prioriser les anomalies dans les réseaux de télécommunications et fournir des outils puissants pour l'analyse de données et la maintenance du réseau.

Jury :

• M. Stéphane Chrétien, Professeur, Université Lyon 2, Président 
• M. Gille Ducharme, Professeur, Université Montpellier, Rapporteur
• M. Stéphane Girard, Directeur de recherche, INRIA Grenoble, Rapporteur
• Mme Mireille Batton-Hubert, Professeur,  Mines Saint-Etienne, Directrice de thèse
• M. Anis Hoayek, Maitre de conférence, Mines Saint-Etienne, Examinateur
• Mme Aline Mefleh, Docteur, Université Libanaise, Invitée
• M. Kinan Jarrah, Ingénieur, B-yond, Invité.