Tesi/Tirocinio - ERMES
1. Sviluppo di tecnologie per il riconoscimento automatico di deep fake
Parole chiave CYBERSECURITY, DEEP LEARNING, DEEP FAKE
Riferimenti accademici: Prof. Battiato, Prof. Ortis
Riferimenti aziendali Stefano Traverso - s.traverso@ermes.company; Davide Pozza - d.pozza@ermes.company
Tipo tesi SPERIMENTALE, IN AZIENDA
Descrizione le tecniche per la generazione sintetica di video vengono purtroppo utilizzate per generare contentuti atti a diffondere disinformazione, per attacchi di social engineering e per attacchi ramson. In questo ambito siamo alla ricerca di studenti appassionati e di talento per raggiungere i seguenti obiettivi: 1) sviluppare metodologie per il riconoscimento automatico di video generati sinteticamente (Deep Fake) e 2) raccogliere informazioni e metadata sulle tracce video per svolgere funzioni di intelligence.
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 con possibilita' di lavoro in smart working.
Documenti:
- Multi-attentional deepfake detection, http://openaccess.thecvf.com/content/CVPR2021/papers/Zhao_Multi-Attentional_Deepfake_Detection_CVPR_2021_paper.pdf
- The deepfake detection challenge (dfdc) preview dataset, https://arxiv.org/pdf/1910.08854.pdf?ref=https://githubhelp.com
- Deep learning for deepfakes creation and detection: A survey, https://arxiv.org/pdf/1909.11573
2. Entity recognition per threat intelligence basato su grafi di conoscenza e news
Parole chiave CYBERSECURITY, BIGDATA, DATA SCIENCE, KNOWLEDGE GRAPHS,
Riferimenti accademici: Prof. Battiato, Prof. Ortis
Riferimenti aziendali Stefano Traverso - s.traverso@ermes.company; Davide Pozza - d.pozza@ermes.company
Tipo tesi SPERIMENTALE, IN AZIENDA
Descrizione Il processo di entity recognition e' fondamentale per gli strumenti di threat intelligence per raggruppare informazioni inerenti a campagne di attacchi, attaccanti e vittime. Soprattutto e' necessario correlare informazioni provenienti da centinaia di fonti diverse e con formati quasi sempre diversi. In questo ambito siamo alla ricerca di studenti appassionati e di talento per raggiungere il seguente obiettivo: sviluppare una metodologia che a partire da informazioni sulle minacce ricavate da OSINT e articoli di blog e magazine specializzati permetta di automatizzare il processo di recognition ed classificazione delle minacce. I cluster informativi cosi' ricavati permetteranno di avere una visione di insieme della minaccia e di monitorarne l'evoluzione. 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 con possibilita' di lavoro in smart working.
Documenti:
- TAGraph: Knowledge Graph of Threat Actor, https://www.researchgate.net/publication/338944272_TAGraph_Knowledge_Graph_of_Threat_Actor, https://github.com/erichooi/TAGraph
- Domain-specific knowledge graphs: A survey, https://arxiv.org/pdf/2011.00235
- Cyber-Attack Behavior Knowledge Graph Based on CAPEC and CWE Towards 6G, https://link.springer.com/chapter/10.1007/978-981-16-9576-6_24
- RelExt: Relation Extraction using Deep Learning approaches for Cybersecurity Knowledge Graph Improvement, https://arxiv.org/abs/1905.02497
3. Sviluppo di tecnologie automatiche per il riconoscimento di fake news su OSN
Parole chiave CYBERSECURITY, BIGDATA, DATA SCIENCE, NATURAL LANGUAGE PROCESSING, COMPUTER VISION, FAKE NEWS
Riferimenti accademici: Prof. Battiato, Prof. Ortis
Riferimenti aziendali Stefano Traverso - s.traverso@ermes.company; Davide Pozza - d.pozza@ermes.company
Tipo tesi SPERIMENTALE, IN AZIENDA
Descrizione La generazione e la diffusione di fake news rappresenta un problema sociale con ripercussioni importanti su sicurezza e privacy. Sono emersi casi in cui grazie alle fake news sono stati svolti attacchi di frode e furto di credenziali, con perdite economiche e danni sociali rilevanti. In questo ambito siamo alla ricerca di studenti appassionati e di talento per raggiungere i seguenti obiettivi: 1) sviluppare una metodologia che analizzi i testi, i contenuti multimediali e le reazioni di post su social network e riconosca possibili fake news e 2) raccolga informazioni e metadata relativi ai post e agli autori per svolgere funzioni di intelligence.
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 con possibilita' di lavoro in smart working.
Documenti:
- A survey of fake news: Fundamental theories, detection methods, and opportunities, https://arxiv.org/pdf/1812.00315
- Exploring the Role of Visual Content in Fake News Detection, https://arxiv.org/pdf/2003.05096
- Supervised learning for fake news detection, http://sentic.net/supervised-learning-for-fake-news-detection.pdf