KEYWORD |
Metodologia per identificazione automatica di malware offuscato e de-offuscazione del codice
Tesi esterna in azienda
Parole chiave BIG DATA, CYBERSECURITY, MACHINE LEARNING
Riferimenti MARCO MELLIA
Riferimenti esterni Stefano Traverso - s.traverso@ermessecurity.com
Gruppi di ricerca SmartData@PoliTO, Telecommunication Networks Group
Tipo tesi SPERIMENTALE, IN AZIENDA
Descrizione Spesso il codice malevolo viene offuscato dagli attaccanti per prevenire che esso sia facilmente ispezionabile con metodologie automatiche di analisi del codice. Purtroppo, in ambito web, sempre più servizi (benigni e non) utilizzano tecniche di offuscamento del codice che impediscono l'analisi del comportamento degli script e individuare pattern pericolosi per sicurezza e privacy.
Siamo alla ricerca di studenti appassionati e di talento per analizzare in maniera sistematica e su larga scala quali tecniche di code obfuscation vengono utilizzate nel web e sviluppare tecniche di deoffuscamento che permettano di analizzarne il comportamento.
Ermes Cyber Security è una startup innovativa che offre tecnologie avanzate di protezione dalle minacce Web per aiutare le aziende a proteggere la navigazione dei propri dipendenti, insediata nell'incubatore del Politecnico di Torino.
Conoscenze richieste Ottime capacità di programmazione - conoscenza dei fondamentali di machine learning e sicurezza informatica.
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.
Scadenza validita proposta 12/11/2020
PROPONI LA TUA CANDIDATURA