Contexte et objectifs

• Intégrer des méthodes de détection de fraude dans les processus KYC pour vérifier l’authenticité des vidéos, images et documents soumis.
• Objectifs principaux : détection de DeepFake et détection de documents frauduleux (pièces d’identité, passeports modifiés) afin de prévenir la fraude et renforcer la sécurité des systèmes de vérification d’identité.

Missions principales

• Concevoir et entraîner des modèles de détection de DeepFake en utilisant Python avec TensorFlow ou PyTorch et OpenCV pour le traitement d’images/vidéos.
• Développer des algorithmes et pipelines pour la détection de documents frauduleux : prétraitement d’images, extraction de caractéristiques, OCR et classification de falsifications.
• Évaluer les performances (métriques pertinentes), réaliser des tests, et proposer une architecture d’intégration ou prototype pour un pipeline KYC.

Technologies & Méthodologie

• Technologies mentionnées : Python, TensorFlow/PyTorch, OpenCV. Utilisation possible de techniques d’augmentation des données, approches supervisées et semi-supervisées.
• Collecte/annotation de jeux de données, conception d’expérimentations, validation croisée, et optimisation des modèles pour robustesse contre attaques adversariales.

Profil souhaité & compétences requises

• Profil souhaité : ingénieur. Bonnes connaissances en apprentissage automatique et vision par ordinateur.
• Compétences recommandées : manipulation d’images/vidéos (OpenCV), développement de modèles deep learning (TensorFlow/PyTorch), évaluation de modèles, traitement OCR et gestion de datasets.

Modalités & candidature

• Durée : 6 mois.
• Pour postuler, envoyez votre CV et lettre de motivation à stages@excellia.tn en précisant l’objet : "Candidature PFE - Challenge 10 : Conception d’un système de vérification d’identité antifraude".