- Level
- Graduate & entry level
- Experience
- Not stated
- Entry-level role
- Work style
- On-site
- Full-time
- Area
- Defence & SOC
At a glance
The role in plain English
This is a 6-month internship focused on developing and evaluating graph-based machine learning models for detecting anomalies and cyber intrusions. The role suits a final-year engineering student specialising in AI, software development or cybersecurity. Day-to-day work involves research, coding, data preparation, model implementation and evaluation, as well as scientific reporting. The internship is based at Thales' Gennevilliers campus within a small research team.
What you'll do
- Research graph neural network methods for anomaly detection
- Analyse strengths and limitations of current approaches
- Develop and implement intrusion detection module
- Apply models to public network intrusion datasets
- Document findings and write internship report
What they're looking for
Essential
- Final-year engineering student in AI, software or cybersecurity
- Strong knowledge of deep learning and graph theory
- Proficient in Python and relevant libraries (PyTorch, PyG)
- Experience with scientific English (C1-C2)
- Understanding of cybersecurity concepts and network protocols
Nice to have
- Knowledge of Graph Representation Learning
- Familiarity with generative AI
- Experience with version control tools (GIT)
Core skills
- Python
- PyTorch
- PyTorch Geometric
- Scikit-Learn
- Deep learning
- Graph neural networks
- Cybersecurity
The shape of the job
Technical depth
5/5
Requires deep knowledge of Deep Learning, GNNs, and network protocols.
Coding required
5/5
Requires strong Python skills and developing software components.
Experience required
2/5
For final-year students, no prior work experience required.
Hands-on focus
5/5
Involves implementing, testing, and developing detection modules and software.
Cyberend's reading of the listing's duties and requirements, not the employer's own scores.
Application toolkit
Make your application count
See which requirements your CV meets and what is missing.
Your CV is used for this answer only and never stored.
Questions to prepare for
- 01How would you model network traffic as a graph for anomaly detection?
- 02Describe the differences between GCN, GAT and GraphSAGE.
- 03Explain a recent scientific paper on graph-based intrusion detection.
- 04How would you evaluate the performance of your detection model on public datasets?
About Thales
Thales is a global technology group specialising in defence, security, aerospace, space and digital sectors. The Gennevilliers campus focuses on design and support of large defence and cybersecurity systems.
Full job descriptionAs published by Thales
Lieu : Gennevilliers, France
Construisons ensemble un avenir de confiance
Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d’activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l’environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d’euros par an en Recherche & Développement, notamment dans des domaines clés de l’innovation tels que l’IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays.
Nos engagements, vos avantages
- Notre savoir-faire technologique
- Notre attention portée à l’équilibre des collaborateurs
- Un environnement inclusif et bienveillant
- Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…)
Votre quotidien
Le Campus de Gennevilliers est le cœur des activités de conception, de développement et de soutien des grands systèmes de défense : radiocommunications, réseaux et systèmes d’infrastructure résilients, communications par satellite, combat collaboratif et cybersécurité. Situé au nord de Paris, il est rapidement accessible en transports en commun.
Le stage se déroulera au sein du laboratoire R&T Communication Network Systems (CNS) de THALES SIX composé d’une vingtaine de personnes et ayant des compétences sur l’IA, la cyber, et les réseaux. Au sein d’une équipe de 5 personnes travaillant sur ces sujets, de concevoir et d’implémenter un framework basé sur la détection d’anomalies et de cyber intrusions par apprentissage de représentations sur graphes. Les approches traditionnelles de Machine Learning traitent souvent les données de trafic (comme les flux NetFlow ou les logs d'appels système) de manière tabulaire et isolée. Or, les cyberattaques modernes ( mouvements latéraux, APT, exfiltration de données) se caractérisent par des relations complexes et des séquences d'actions distribuées dans le temps et l'espace. Pour capturer cette dimension relationnelle, le Graph Representation Learning (GRL) et les Graph Neural Networks (GNN) ont émergé comme des technologies de pointe.
Vos mission s
L'objectif principal de ce stage est d'explorer, de concevoir et d'évaluer des modèles basés sur le Graph Representation Learning (GRL) et les GNN pour la détection d'anomalies appliquées à la cybersécurité, en s'appuyant sur les approches les plus récentes de la littérature scientifique. En modélisant le trafic réseau ou les interactions systèmes sous forme de graphes (où les nœuds représentent des adresses IP/processus et les arêtes représentent les connexions/communications), les GNN permettent d'apprendre des représentations topologiques riches et de détecter des anomalies comportementales complexes (au niveau des nœuds, des arêtes ou du graphe entier).
1. Étudier les différentes variantes de GNN appliquées au domaine (GCN, GAT, GraphSAGE, Dynamic GNNs pour les graphes temporels, Graph Autoencoders (GAE) pour l'apprentissage non supervisé, etc. ), l’apprentissage auto-supervisé (GraphIDS).
2. Identifier les forces et limites des approches actuelles (ex: passage à l'échelle sur des graphes massifs, gestion des graphes hétérogènes et dynamiques, etc.).
3. Proposition d’un module de détection d’intrusions: modélisation et préparation des données, implémentation des architectures, tester différentes stratégies d’apprentissage, etc.
4. Application des modèles à des jeux de données publics d’intrusions réseau (réseaux d’entreprise, réseaux IoT, réseaux d’infrastructure télécom).
5. Développement des composants logiciels nécessaires pour montrer le use case, faire l’évaluation et le benchmarking.
6. Rédaction du rapport de stage
Les travaux effectués dans ce stage s’insèrent dans le cadre plus large d’un ou plusieurs projets collaboratifs de recherche réalisés au sein des études amont chez Thales. Les résultats obtenus seront éventuellement valorisés sous forme de publications scientifiques et de livrables officiels pour ces projets.
Votre profil
Etudiant en dernière année d'école d’ingénieur spécialisé en IA/développement logiciel/Cyber Sécurité, vous recherchez un stage de 6 mois pour terminer votre cursus.
Vous maîtrisez très bien le Deep Learning et la théorie des graphes ?
Vous maîtrisez très bien Python et Librairies IA/Graphes : PyTorch, PyTorchb Geometric (PyG), Scikit-Learn, outils de gestion de code /version- GIT ?
Vous avez des capacités de synthèse d’articles scientifiques et Anglais scientifique (niveau C1-C2) ?
Vous avez des connaissances en Cybersécurité : des notions sur les protocoles réseau (TCP/IP, DNS) et les mécanismes d'attaque (DDoS, Scan de ports, Mouvements latéraux, etc.) ?
Vous connaissez le Graph Representation Learning, Graph Neural Networks, l’IA générative ?
On vous reconnait pour votre esprit curieux et vous savez travailler en équipe ?
Alors n'attendez pas, postulez ! Ce stage est fait pour vous !
Le mot de l'équipe
Nous espérons que tu nous rejoignes rapidement pour concrétiser ce sujet d’un grand intérêt pour
THALES SIX
Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d’études.
Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous !
