• No results found

MASTER UPPSATS - ANOMALIDETEKTERING MED MACHINE LEARNING FÖR SCADA-INFRASTRUKTUR

N/A
N/A
Protected

Academic year: 2021

Share "MASTER UPPSATS - ANOMALIDETEKTERING MED MACHINE LEARNING FÖR SCADA-INFRASTRUKTUR"

Copied!
1
0
0

Loading.... (view fulltext now)

Full text

(1)

MASTER UPPSATS -

ANOMALIDETEKTERING MED MACHINE LEARNING FÖR

SCADA-INFRASTRUKTUR

Kvalifikationer

Du ska göra ditt examensarbete på Masternivå och du ska ha starka akademiska meriter.

Plats

Sectras huvudkontor Mjärdevi, Linköping

Ansökan

Skicka ditt CV och dina betyg senast den 14 november till jobs.communications@sectra.com

Om Sectra

Sectras huvudkontor ligger i Mjärdevi och består av två huvudverksamheter: Medicinsk IT och Cybersäkerhet.

På sidan för medicinsk IT utvecklar och säljer vi IT lösningar för att effektivisera världens sjukvård. Inom cybersäkerhet utvecklar och säljer vi säkerhetslösningar för myndigheter och försvarsorganisationer i Europa.

Beskrivning av exjobbet

Baserat på arkitekturförslag för machine learning avsedd för anomalidetektering i kritiska nätverk vidareut- veckla och implementera en lösning som verifieras mot verklig eller simulerad SCADA-infrastruktur. Vidare- utvecklingen består bland annat i hur man dynamisk kan anpassa machine learning-systemet för förändringar i nätverkstopologin.

Målet är att baserat på tidigare exjobb samt med stöd av med den senaste forskningen i området demonstrera en lösning för adaptiv anomalidetektering med machine learning. Lösningen utvärderas och verifieras med hjälp av verklig eller simulerad SCADA-infrastruktur.

Intresserad?

Läs mer på sectra.com/jobs där du kan hitta fler jobbannonser.

Möt din framtid på facebook.com/sectratalang

Kontakt

Har du frågor angående detta exjobb?

Hör då av dig till:

Stefan Doverud, 013-235274 stefan.doverud@sectra.com

References

Related documents

Can machine learning based methods such as regression and generative ad- versarial nets (GAN) provide an effective translation between bathymetry data and sidescan sonar image..

Three different algorithms were implemented using Python version 3.6.8; kernel ridge regression with the GRBF kernel (23), regularized extreme learning machine, and support

Examinations for courses that are cancelled or rescheduled such that they are not given in one or several years are held three times during the year that immediately follows the

To support the vast amount and diversity of data expected in future networks, Ericsson are developing products to drive and support the networked society.. The subjects

Traditional machine learning has dramat- ically improved the benchmarking and control of experimental quantum computing systems, including adaptive quantum phase estimation

credit CAL5 DIPOL92 Logdisc SMART C4.5 IndCART Bprop Discrim RBF Baytree ITrule AC2 k-NN Naivebay CASTLE ALLOC80 CART NewID CN2 LVQ Kohonen Quadisc Default.. The table of error

Consider an instance space X consisting of all possible text docu- ments (i.e., all possible strings of words and punctuation of all possible lengths). The task is to learn

You can then use statistics to assess the quality of your feature matrix and even leverage statistical measures to build effective machine learning algorithms, as discussed