Spam campaign detection, analysis, and formalization

Les courriels Spams (courriels indésirables ou pourriels) imposent des coûts annuels extrêmement lourds en termes de temps, d’espace de stockage et d’argent aux utilisateurs privés et aux entreprises. Afin de lutter efficacement contre le problème des spams, il ne suffit pas d’arrêter les messages de spam qui sont livrés à la boîte de réception de l’utilisateur. Il est obligatoire, soit d’essayer de trouver et de persécuter les spammeurs qui, généralement, se cachent derrière des réseaux complexes de dispositifs infectés, ou d’analyser le comportement des spammeurs afin de trouver des stratégies de défense appropriées. Cependant, une telle tâche est difficile en raison des techniques de camouflage, ce qui nécessite une analyse manuelle des spams corrélés pour trouver les spammeurs. Pour faciliter une telle analyse, qui doit être effectuée sur de grandes quantités des courriels non classés, nous proposons une méthodologie de regroupement catégorique, nommé CCTree, permettant de diviser un grand volume de spams en des campagnes, et ce, en se basant sur leur similarité structurale. Nous montrons l’efficacité et l’efficience de notre algorithme de clustering proposé par plusieurs expériences. Ensuite, une approche d’auto-apprentissage est proposée pour étiqueter les campagnes de spam en se basant sur le but des spammeur, par exemple, phishing. Les campagnes de spam marquées sont utilisées afin de former un classificateur, qui peut être appliqué dans la classification des nouveaux courriels de spam. En outre, les campagnes marquées, avec un ensemble de quatre autres critères de classement, sont ordonnées selon les priorités des enquêteurs. Finalement, une structure basée sur le semiring est proposée pour la représentation abstraite de CCTree. Le schéma abstrait de CCTree, nommé CCTree terme, est appliqué pour formaliser la parallélisation du CCTree. Grâce à un certain nombre d’analyses mathématiques et de résultats expérimentaux, nous montrons l’efficience et l’efficacité du cadre proposé.

Étude des gènes de fusion MLL dans les leucémies aigues humaines

Les leucémies aigues sont la conséquence d’une prolifération clonale et maligne des cellules hématopoïétiques. Elles surviennent suite à un évènement oncogénique qui se produit dans une cellule souche hématopoïétique (CSH) ou progénitrice. Cela lui confère une certaine instabilité qui engendre l’accumulation d’autres évènements génétiques et/ou épigénétiques responsables du développement clinique de la maladie. Les leucémies MLL représentent environ 10% des leucémies aigues et aujourd’hui, plus de 70 gènes de fusion ont été caractérisés. Les sangs de cordon sont une source importante de CSH et progénitrices. La purification de ces cellules et leur transformation en cellules leucémiques à l’aide de gènes de fusion MLL nous permettent de générer des leucémies aigues humaines dans des souris immunodéficientes NSG et ainsi étudier le potentiel leucémique de différents gènes de fusion MLL. Dans un premier temps, 4 gènes de fusion MLL ont été étudiés : MLL-AF9, MLL-AF4, MLL-ENL et MLL-ELL. In vitro, nous sommes capables de transformer des CSH en cellules leucémiques capables de proliférer rapidement. Les résultats in vivo nous montrent qu’il est possible de générer des leucémies avec les oncogènes MLL-AF9 et MLL-ENL. Pour les fusions MLL-ELL et MLL-AF4, bien que quelques leucémies ont pu être obtenues, plusieurs problèmes techniques nous empêchent aujourd’hui de disposer d’un modèle adéquat permettant l’étude complète de ces oncogènes. Dans un second temps, les leucémies aigues MLL-AF9 ont été étudiées dans un modèle contrôlé où les cellules souches proviennent d’un donneur unique. Grâce à ce modèle, nous avons pu démontrer que l’oncogène MLL-AF9 est suffisant pour induire le développement de la maladie. En effet aucune nouvelle mutation n’a pu être identifiée au cours du développement de la leucémie. Parmi les leucémies myéloïdes aigues (LMA) MLL-AF9 issues de ce modèle, certains gènes non mutés, dont RET, ont été identifiés comme étant de potentiels biomarqueurs de ce sous-groupe de leucémie.