PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Metodologia per identificazione automatica di malware offuscato e de-offuscazione del codice

azienda 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 pi¨ 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 Ŕ 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 capacitÓ di programmazione - conoscenza dei fondamentali di machine learning e sicurezza informatica.
SarÓ data precedenza a studenti con voti elevati nelle materie Informatiche (voto superiore a 27/30 in ogni materia Informatica).

Note La tesi si svolgerÓ presso l'azienda, in collaborazione con il Centro SmartData@PoliTO.


Scadenza validita proposta 12/11/2020      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti