| KEYWORD |
Metodologia di esplorazione automatica del dark web per individuare mercati illegali di dati
Thesis in external company
keywords BIG DATA, CYBERSECURITY, NETWORKING
Reference persons MARCO MELLIA
External reference persons Stefano Traverso - s.traverso@ermes.company
Valentino Rizzo - v.rizzo@ermes.company
Research Groups SmartData@PoliTO, Telecommunication Networks Group
Thesis type SPERIMENTALE IN AZIENDA
Description dati che vengono prelevati in maniera fraudolenda da attancanti sono spesso messi in vendita sulle piazze del dark web. Purtroppo, la struttura cifrata, dinamica e volatile del dark web complica lo sviluppo di strumenti automatici di esplorazione per la ricerca delle piazze dove vengono venduti i dati rubati. Siamo alla ricerca di studenti appassionati per sviluppare navigatori automatici per il dark web che ci permettatno di individuare facilmente i mercati illegali di dati.
Ermes Cyber Security è una startup innovativa, spinoff del Politecnico di Torino, che offre tecnologie avanzate di protezione dalle minacce Web per aiutare le aziende a proteggere la navigazione dei propri dipendenti.
Required skills Ottime capacità di programmazione e conoscenza in ambito networking e analisi di dati. Sono benvenute familiarità con Javascript e Python.
Sarà data precedenza a studenti con voti elevati nelle materie Informatiche (voto superiore a 27/30 in ogni materia Informatica).
Note La tesi si svolgerà presso l'azienda, in collaborazione con il Centro SmartData@PoliTO.
Notes Documenti utili
- Turning Up the Dial: the Evolution of a Cybercrime Market Through Set-up, Stable, and Covid-19 Eras https://dl.acm.org/doi/10.1145/3419394.3423636
- Discovering Signals from Web Sources to Predict Cyber Attacks https://arxiv.org/abs/1806.03342
- https://www.courts.ca.gov/opinions/links/S248130-LINK1.PDF
- https://www.experian.com/blogs/ask-experian/son-of-a-breach-the-most-notorious-criminal-enterprise-on-the-dark-web/
- Predicting enterprise cyber incidents using social network analysis on dark web hacker forums https://www.jstor.org/stable/26846122?seq=1#metadata_info_tab_contents
Deadline 04/05/2022
PROPONI LA TUA CANDIDATURA