HALLGATÓKNAK

A HUN-REN SZTAKI kiemelt hangsúlyt fektet a jövő kutatóinak, fejlesztő mérnökeinek kinevelésére. Elkötelezettek vagyunk az iránt, hogy a leendő szakemberek minél magasabb minőségű és a piaci igényekhez jobban igazodó képzést kapjanak. Több hazai egyetemmel, kiemelten a Budapesti Műszaki és Gazdaságtudományi Egyetemmel, az Eötvös Loránd Tudományegyetemmel, az Óbudai Egyetemmel , a Pázmány Péter Katolikus Egyetem informatikai karával állunk szoros kapcsolatban, hogy ismereteinket, kutatás-fejlesztési tapasztalatainkat átadjuk a hallgatóinknak.

Munkatársaink közül többen oktatói részvétellel, hallgatói programok támogatásával veszünk részt az egyetemi életben. Az elmúlt években számos diplomamunka, önálló labor, nyári szakmai gyakorlat, tudományos diákköri kutatómunka (TDK) és PhD. képzés zárult le sikerrel intézetünk közreműködésével.

Célunk, hogy a jövőben ezek az együttműködések még szorosabbá váljanak. Jelentkezz hozzánk!

Az alábbi lehetőségeket kínáljuk:

szakmai gyakorlat;
munkavégzés részmunkaidőben;
PhD./Msc./Bsc. diplomamunka témavezetés, konzulensi támogatás;
élő kutatási-és fejlesztési projektekben, publikációkban való aktív részvétel.

Jelentkezés

Jelentkezéshez magyar vagy angol nyelvű fényképes önéletrajzra és motivációs levélre van szükségünk, amely tartalmazza, hogy mely szakterület, melyik fenti lehetőség érdekel, mikortól és milyen hosszú távra tervezed a gyakorlatot.
A leendő munkatársak, gyakornokok kiválasztásánál figyelembe vesszük a tanulmányi eredményeket, számítógépes ismereteket, a szakterület ill. téma iránti érdeklődést és a személyes hozzáállást.
Önéletrajzodat és motivációs leveledet elküldheted a hr@sztaki.hun-ren.hu e-mailcímre.

NYÁRI SZAKMAI GYAKORLATI TÉMÁK 2024:

I. Rendszer és Irányításelméleti Kutatólabor

5 nagy téma közül lehet választani:

1.Kvadkopter dinamikus modelljének meghatározása gépi tanulással témakör:

Autonóm kvadkopterekkel szemben egyre inkább elvárás a nagy sebességgel történő manőverezés, a változó működési körülményekhez való gyors alkalmazkodás valamint komplex manőverek gyors és pontos végrehajtása. Ezeknek a feladatoknak a megoldása nemlineáris szabályozási módszerekkel lehetséges, amelyek megtervezéséhez szükség van a drón pontos dinamikus modelljére. Jelen nyári gyakorlat feladata egy kvadkopter nemlineáris dinamikus modelljének előállítása repülés közben gyűjtött mérési adatok felhasználásával. A feladat első lépése a nominális modell meghatározása. Ehhez a fizikai törvények alapján felírt mozgásegyenletekből indulunk ki és a cél a modellben lévő fizikai paraméterek meghatározása. A következő lépésben a nominális modellt tanuló komponenssel (neurális háló) egészítjük ki annak érdekében, hogy a modell tovább pontosítható és az esetleges, működés közben bekövetkező változásokhoz és külső zavarásokhoz adaptálható legyen.

A hallgató feladata: a nominális modell meghatározásához kapcsolódó paraméterbecslési feladat megfogalmazása és megoldása, majd a modellaugmentációhoz használt neurális háló megválasztása, az identifikációhoz szükséges mérési adatok gyűjtése, és a háló tanítása. Az identifikációt elsőként szimulált kvadkopterre kell elvégezni, majd az eljárást valós drónról gyűjtött adatokra is alkalmazni kell. Ehhez rendelkezésre áll a labor által fejlesztett szimulációs környezet, amelyben többféle kvadkopter digitális ikermodellje elérhető. A valós tesztekhez adott áll az AIMotionLab teszt aréna, melyben miniatűr Crazyflie és nagyobb méretű, egyedi tervezésű drónokkal lehet repülési teszteket végezni. Mindkét környezethez magasszintű szoftvertámogatás tartozik, amely lehetővé teszi, hogy a hallgató kizárólag a feladatához szorosan kapcsolódó funkciók fejlesztésével foglalkozzon, az egyéb, a kísérletekhez szükséges kiegészítő komponenseket felhasználásra készen megkapja.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Matlab és Python programozási nyelvek ismerete

Munkavégzés helye: HUN-REN SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Péni Tamás és Tóth Roland gyakorlati témavezetők részére a peni@sztaki.hun-ren.hu és tothroland@sztaki.hun-ren.hu valamint „cc”-ben a hr@sztaki.hun-ren.hu e-mail címen.

2. Modell prediktív pályakövető szabályozó tervezése autonóm földi járművek számára témakör:

Autonóm járművekkel szemben egyre inkább elvárás a nagy sebességgel történő manőverezés, a változó működési körülményekhez való gyors alkalmazkodás, valamint komplex manőverek gyors és pontos végrehajtása. Ezeknek a feladatoknak a megoldása szükségessé teszi, hogy a járművet a fizikai képességeinek határán működtessük, az irányítójelek maximális tartományát kihasználjuk. Az irányítástervezést nehezíti, hogy a jármű modellje nemlineáris, esetenként a változó körülményekhez való folyamatos adaptálódás miatt valamilyen tanuló komponenssel (pl. neurális hálóval, Gauss folyamattal) kiegészített. Erre a komplex modellre és feladatra minden korlátozást betartó, optimális irányítási stratégiát leginkább modell prediktív megközelítéssel lehet tervezni. Ennek lényege, hogy minden időpillanatban, a rendszer nemlineáris modelljét felhasználva egy véges jövőbeli intervallumon prediktáljuk a rendszer viselkedését és ennek alapján, egy numerikus optimalizálási feladat megoldásával előállítjuk az irányításhoz szükséges beavatkozójelet. A szakmai gyakorlat célja a trajektóriakövetésre kidolgozott MPCC (Model Predictive Contouring Control) irányítási algoritmus adaptálása és implementációja a laborban működő, 1:10 méretarányú F1TENTH autóra.

A hallgató feladata: a jármű dinamikus modelljének megismerése, az MPCC algoritmus megértése, majd ezt követően az eljárás adaptálása a konkrét járműre. A feladatot elsőként szimulációs környezetben kell megoldani, ehhez rendelkezésre áll az F1TENTH digitális ikermodellje a labor által fejlesztett, Python nyelven programozható szimulátor programban. Ha az eljárás már működik, akkor a valós rendszerre is adaptálni kell. Ehhez adott a valós F1TENTH autó, a kontroller futtatására előkészített fedélzeti szoftverkörnyezettel. A valós implementáció fő kihívása, hogy az beavatkozójel számítást megvalósító optimalizálási feladat numerikus megoldásának bele kell férnie a 25-50 ms mintavételi időbe. Ez az implementációs kód optimalizálását és hatékony szolverprogramok (Casadi, ACADO Toolkit, stb.) integrációját igényli.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Python programozási nyelv ismerete.

Munkavégzés helye: HUN-REN SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület.

3.Navigáció dinamikus környezetben témakör:

Az autonóm drónoknak és földi járműveknek számos olyan alkalmazási területe létezik, ahol a járműnek mozgó és álló akadályokkal nehezített környezetben kell nagy sebességgel manőverezni. Néhány példa: csomagkiszállítás városi környzetben, gyártástámogató robot, felderítés épületen belül, katonai célú alkalmazások stb. Jelen szakmai gyakorlat célja hatékony (kis számítási idejű) pályatervezési eljárások kidolgozása autonóm kvadkopter számára akadályok közötti gyors navigációra. A tervezésnek alkalmasnak kell lennie nagy számú álló és előre nem pontosan ismert trajektóriájú mozgó objektumok elkerülésére. Utóbbi esetben az objektummal való ütközés kockázatát (risk) minimalizáló eljárást kell tervezni. A feladatot egyszerűsített lineáris és a teljes nemlineáris kvadkopter modell esetén is meg kell oldani, a problémát olyan (kevert egészértékű) optimalizálási problémaként kell megfogalmazni, amelyet a rendelkezésre álló megoldóprogramokkal (Gurobi, BARON, Ipopt, stb.) hatékonyan lehet kezelni. A tisztán optimalizálás alapú pályatervezés alapját képezi a későbbi gépi tanulás alapú megoldásoknak, amelyek célja a tervezési idő további csökkentése, az eljárás kiterjesztése nagy komplexitású navigációs problémák (nagyszámú mozgó objektum, bonyolult navigációs tér, gyorsan változó környezet) esetére. A feladatot Python programozási nyelven kell megoldani és elsőként szimulációs környezetben kell működnie. Ehhez rendelkezésre áll a labor által fejlesztett szimulátor, amely több kvadkopter digitális ikermodelljét tartalmazza. Ha az eljárás működik, implementálni kell valós környezetben is. Ehhez adott az AIMotionLab autonóm drón tesztaréna, ahol miniatűr Crazyflie drónokkal lehet kísérleteket végezni. A rendszer minden olyan HW és SW komponenst tartalmaz, amellyel a drónok adott pálya pontos berepülésére képesek, így a hallgató feladata kizárólag a pályatervező eljárás megvalósítása.

Szükséges előismeretek: lineáris algebra és analízis ismeretek; rendszerelmélet és numerikus optimalizálás alapok; programozói képesség; Python programozási nyelv ismerete

Munkavégzés helye: HUN-REN SZTAKI, Kende/Lágymányosi utcai épület, Budapest, XI. kerület.

4. Kvadkopter keltette áramlás modellezése témakör:

Autonóm kvadkopterekkel történő áruszállítás esetén fontos, hogy a rotorok keltette áramlást pontosan ismerjük, mivel ez zavarásként hat a szállított tárgyra, melynek az emiatt kialakuló mozgása destabilizálhatja a drónt. Laborunkban felépítettünk egy szimulációs környezetet, amelyben az OpenFOAM CFD szimulátor segítségével ki tudjuk számítani a drón által keltett áramlási teret. A létrehozott modellből ezt követően kinyerjük azokat az adatokat, amelyek az valósidejű, közelítő szimulációhoz szükségesek, mivel a cél az áramlás hatásának modellezése a Sztaki által fejlesztett, fizikai (multibody) szimulátor programban, amelyben a drónok mozgásmodellezését is végezzük. A hallgató feladata az utóbbi lépés végrehajtása, azaz meg kell ismerkednie a Sztaki által fejlesztett, AIMotionLab-Virtual fizikai szimulátorral, majd ebben létre kell hoznia a valósidejű szimulációra alkalmas programot a CFD modellből nyert adatok alapján. Kiindulásnak rendelkezésre áll az algoritmus korábbi verziója, a feladat lényegében ennek frissítése, továbbfejlesztése.

Témavezető: Péni Tamás

Szakmai gyakorlat, igény szerint folytatható önálló feladatként, projektfeladatként, Bsc/Msc diplomamunka keretében.

Munkavégzés helye: HUN-REN SZTAKI, Lágymányosi utcai épület, Budapest, XI. kerület.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Péni Tamás gyakorlati témavezető részére a peni@sztaki.hun-ren.hu valamint „cc”-ben a hr@sztaki.hun-ren.hu e-mail címen.

5.Autonóm járművek fedélzeti számítógép-architektúrájának kommunikációs fejlesztése témakör:

A HUN-REN SZTAKI Rendszer és Irányításelméleti Kutatólaboratóriumának AIMotionLab kutatócsoportja elsősorban autonóm földi és légi járművek pályatervezésével és irányításával foglalkozik. Az algoritmusok teszteléséhez rendelkezésre áll egy tesztrendszer, amelyben többféle kvadkopterrel és földi járművel (Bitcraze Crazyflie 2.1 drónok, F1Tenth Racecar) tudunk kísérleteket végezni.

Az irányítási és navigációs algoritmusok a járműveken elhelyezett fedélzeti (beágyazott) számítógépen futnak, a járművek összehangolását egy földi irányító számítógép (ground control PC) végzi.

A hallgató feladata, hogy továbbfejlessze a beágyazott számítógépek közötti kommunikációs interfészt, lehetővé téve a fedélzeti rendszer architektúrájának bővítését, új funkciók (pl. hatékonyabb irányítási algoritmusok) implementációját. A rendelkezésre álló hardverek számos kommunikációs protokollt támogatnak (USB, UART, I2C), így ezekre lehet támaszkodni a fejlesztés során.

Szükséges előismeretek: A beágyazott számítógépek programozása C és Python nyelveken történik, így ezeknek az ismerete szükséges a feladat elvégzéséhez. Mikrokontrollerek operációs rendszereinek (pl. FreeRTOS) és kommunikációs protokolljainak (UART, I2C) ismerete előnyt jelent, de nem elvárás.

Munkavégzés helye: HUN-REN SZTAKI, Lágymányosi utcai épület, Budapest, XI. kerület.

Jelentkezés módja: Önéletrajzzal elektronikus úton: Antal Péter gyakorlati témavezető részére az antalpeter@sztaki.hun-ren.hu valamint „cc”-ben a hr@sztaki.hun-ren.hu e-mail címen.

Jelentkezés határideje: 2024.07.31.

II. Hálózatbiztonság és Internet Technológiák Osztály

A részleg neve jól kifejezi a tevékenységi körünket: biztonsági tervezéssel, teszteléssel és ellenőrzéssel, azonosítási megoldásokkal, etikus hackeléssel, incidenskezeléssel foglalkozunk. Profilunkba vág a webfejlesztés és tesztelés, php, java és python nyelven, az IaaS cloud fejlesztés, rendszerintegráció. Témáinkkal nem csak alkalmazói, hanem tudományos szinten is foglalkozunk, elsősorban a biztonsági megoldások és a szoftver-keretrendszerek terén.

Csatlakozz a Hálózatbiztonság és Internet Technológiák osztály csapatához, vegyél részt izgalmas projektekben, amelyek a legújabb technológiákat alkalmazzák a biztonságos és megbízható online környezet megteremtéséhez!

Kezdés: 2024. június 1-től rugalmasan, a jelölttel egyeztetve

Időtartam: 6-8 hét

Jelentkezés határideje: 2024. június 3.

Jelentkezés módja: rigo@sztaki.hun-ren.hu illetve cc: hr@sztaki.hun-ren.hu e-mail címre küldött jelentkezés.
(CV, motivációs levél, téma preferenciák megjelölése szükséges)

Az alábbi témakörökből lehet választani:

1. Téma: Korszerű authentikációs infrastruktúra kialakítása IaC módszerrel

Feladat:

A RADIUS alapú authentikáció, autorizáció, valamint az erre épülő accounting (AAA) elengedhetetlen az intézeti WiFi, VPN szolgáltatás működése és a hálózati eszközök azonosítási folyamatai során.

A gyakornok feladata egy jelenleg is üzemelő szolgáltatási környezet mintája alapján új, tartalékolt RADIUS szolgáltatás megtervezése, majd implementációja. A megvalósított környezetben a FreeRADIUS3 legfrissebb verziójának használata elvárt. A bevezetendő redundáns RADIUS szolgáltatás az intézet által üzemeltetett központi LDAP névtár, mint elsődleges adatforrás mellett együttműködik a nemzetközi EduROAM RADIUS föderációval is, lehetővé téve a távoli együttműködő partnerintézmények felhasználóinak azonosítását is. Az új szolgáltatás kialakítása az accounting információk gyűjtését és webes megjelenítését is magában foglalja, ennek keretében szükséges az üzem során keletkező adatok központi logszerverre történő továbbítása és elemzése is. A kialakításra kerülő szolgáltatást legalább alapszinten integrálni kell a prometheus/grafana alapú felügyeleti rendszerbe. A naplóelemző és felügyeleti rendszerekben RADIUS dashboardok kialakítása opcionális feladat.

Az új rendszert Infrastructure as Code (IaC) mintamegoldás formájában kell kidolgozni, legalább konténerizált (Docker), de célszerűen Kubernetes környezetben, oly módon, hogy a megoldás a HUN-REN kutatóhálózat bármely intézményében is használható legyen.

A feladat elvégzéséhez biztosított eszközök és komponensek:

Linux alapú virtualizációs és konténerizációs környezet és/vagy k8s cluster, LDAP alapú címtár szolgáltatás, OpenSearch alapú központi naplógyűjtő- és elemző rendszer, Prometheus / Grafana alapú központi felügyeleti rendszer, GitLab projektkezelő és szoftver repozitórium.

A jelentkezőtől elvárt előzetes ismeretek:

Linux alapú környezet alapszintű adminisztrációs ismerete. Konténerizációs technológiák és git verziókezelő alapszintű ismerete. A RADIUS, LDAP, OpenSearch, Prometheus technológiák előzetes ismerete nem elvárt, ezek megismerése a feladat része.

Mentor: Ormos Pál

2. Téma: Netflow/sflow/jflow adatgyűjtő rendszer kialakítása NoSQL alapon

Feladat:

A központi hálózati eszközökön megjelenő forgalom fő jellemzőit rögzítő netflow/sflow stb. adatok gyűjtése és elemzése elengedhetetlen ahhoz, hogy bármilyen hálózati üzemviteli vagy biztonsági esemény (incidens) esetén gyorsan, pontos adatokkal alátámasztva lehessen reagálni, esetlegesen egy az infrastruktúrát érintő támadást előre is jelezni lehessen.

A gyakornok feladata a jelenleg üzemelő Neflow / nfsen infrastruktúra mintája alapján új hálózati forgalomgyűjtő- és elemző megoldás megtervezése és implementációja. A megvalósítás során az adatokat a jelenlegi rendszer párhuzamos üzemének fenntartása mellett a hallgató rendelkezésére bocsátott központi OpenSearch szolgáltatás részére is továbbításra kerül, ahonnan azt fel kell dolgozni, meg kell jeleníteni. A korábbi rendszer hosszú távon rögzített adatait a megvalósítás során lehetőség szerint migrálni kell az új rendszerbe is, valamint biztosítani kell a hálózati forgalom keresési és riportolási lehetőségeket az új környezetben, ennek érdekében a jelenlegi riportolási rendszer mintája alapján OpenSearch dashboardok megtervezése és kialakítása a hallgató feladatának része. A kialakításra kerülő szolgáltatást legalább alapszinten integrálni kell a prometheus/grafana alapú felügyeleti rendszerbe.

A feladat elvégzéséhez biztosított eszközök:

Linux alapú virtualizációs és konténerizációs környezet és/vagy k8s cluster, Netflow/Sflow adatforrások, OpenSearch alapú központi naplógyűjtő- és elemző rendszer, Prometheus / Grafana alapú központi felügyeleti rendszer, GitLab projektkezelő és szoftver repozitórium.

A jelentkezőtől elvárt előzetes ismeretek:

Linux alapú környezet alapszintű adminisztrációs ismerete. Konténerizációs technológiák és git verziókezelő alapszintű ismerete. A Netflow/Sflow, OpenSearch, Prometheus technológiák előzetes ismerete nem elvárt, ezek megismerése a feladat része.

Mentor: Ormos Pál

3. Téma: HunCERT Security Feed data pipeline kialakítása IntelMQ alapon

Feladat:

A mai digitális korban a kiberfenyegetések egyre kifinomultabbá és pusztítóbbá válnak. A vállalatoknak és a szervezeteknek elengedhetetlen a hatékony kiberbiztonsági stratégiák kidolgozása és fenntartása az adatok és rendszerek védelme érdekében. A Cyber Threat Intelligence (CTI) kulcsfontosságú szerepet játszik ebben a törekvésben. A CTI olyan információk gyűjtése, elemzése és terjesztése, amelyek a kiberfenyegetésekkel, sebezhetőségekkel és támadásokkal kapcsolatosak. Segít a szervezeteknek megérteni a fenyegető tájat, felismerni a potenciális kockázatokat, és proaktív lépéseket tenni a támadások megelőzése érdekében.

A gyakornok feladata a HUN-REN SZTAKI által nyújtott HunCERT (https://cert.hu) incidenskezelő szolgáltatás szakértői számára különböző formátumokban és csatornákon rendelkezésére álló, nyílt vagy korlátozott hozzáférésű hálózati biztonsági adatforrások integrációja az IntelMQ (https://intelmq.readthedocs.io/) alapú CTI platform segítségével. A hallgató feladata az IntelMQ megismerése és feltérképezése, a szolgáltatás megtervezése és kialakítása, kezdeti konfigurációja, valamint a rendelkezésére álló biztonsági adatforrások feltérképezése, egyéb szakrendszerekkel történő integrációja és tesztelése. További feladat a rendelkezésre álló adatok hasznosítási lehetőségeinek áttekintése és javaslatok megtétele a HunCERT incidenskezelési tevékenységének vonatkozásában.

Az új rendszert Infrastructure as Code (IaC) mintamegoldás formájában kell kidolgozni, legalább konténerizált (Docker), de célszerűen Kubernetes környezetben. A kialakításra kerülő szolgáltatást legalább alapszinten integrálni kell a prometheus/grafana alapú felügyeleti rendszerbe. A naplóelemző és felügyeleti rendszerekben RADIUS dashboardok kialakítása opcionális feladat.

A feladat elvégzéséhez biztosított eszközök és komponensek:

Linux alapú virtualizációs és konténerizációs környezet és/vagy k8s cluster, potenciális biztonsági adatforrások, OpenSearch alapú központi naplógyűjtő- és elemző rendszer, EasyRedmine eseménykezelő rendszer, Prometheus / Grafana alapú központi felügyeleti rendszer, GitLab projektkezelő és szoftver repozitórium.

A jelentkezőtől elvárt előzetes ismeretek:

Linux alapú környezet alapszintű adminisztrációs ismerete. Konténerizációs technológiák és git verziókezelő alapszintű ismerete. A CTI koncepciók és az IntelMQ, valamint az ezekhez kapcsolódó specializált technológiák előzetes ismerete nem elvárt, ezek megismerése a feladat része.

Mentor: Rigó Ernő

4. Téma: Támadási gráf építő eljárás továbbfejlesztése Neo4j környezetben

Feladat:

A támadási gráfok a kiberbiztonság értékelésének területén használt eszközök, amelyek vizuálisan ábrázolják egy számítógépes rendszer potenciális sebezhetőségeit és a támadások lehetséges útvonalait. A kockázatértékelés során a támadási gráfok kulcsfontosságúak a lehetséges fenyegetések azonosításában és értékelésében, valamint a hatékony védelmi stratégiák kidolgozásában.

A gyakornok feladata a HUN-REN SZTAKI által folytatott biztonságkutatási tevékenység keretében kifejlesztett támadási gráf konstrukciós eljárás kiegészítése oly módon, hogy a jelenlegi egy ciklusra épülő adatfeldolgozási folyamat folyamatossá váljon. A jelenlegi megvalósítás működése során támadási gráf előállításához felhasznált különböző adatforrások (hálózati forgalmi adatok, sérülékenységvizsgálati eredmények, külső biztonsági információk) feldolgozása kötegelten, szekvenciálisan zajlik. A hallgató feladata a jelenleg elérhető kötegelt megvalósítás áttekintése, újratervezése és kiegészítő implementációja oly módon, hogy az képes legyen az adatforrások inkrementális változásainak követésére, a létrehozott támadási gráf követő módosítására.

A feladat elvégzéséhez biztosított eszközök és komponensek:

Támadási gráf kutatási és fejlesztési környezet a jelenlegi adatfeldolgozási folyamat Python alapú implementációjával, valamint a feldolgozáshoz szükséges adatforrásokkal és Neo4j alapú gráfadatbázis környezettel.

A jelentkezőtől elvárt előzetes ismeretek:

Python programozási ismeretek. Gráf adatszerkezetek és gráfprogramozás alapszintű ismerete (NetworkX ismerete előny). A Neo4j cypher lekérdezési nyelv, a támadási gráfok és ezekre épülő algoritmusok előzetes ismerete nem elvárt, ezek megismerése a feladat része.

Mentor: Rigó Ernő

5. Téma: Forensics eszköz tervezése és fejlesztése kártékony e-mailekből történő adatrögzítéshez

Feladat:

A kártékony e-mailek, különösen a phishing levelek komoly biztonsági kockázatot jelentenek a személyes adatokra és a számítógépes rendszerekre nézve. Ezek a levelek arra törekszenek, hogy megtévesszék a címzettet, és rávegyék arra, hogy adja meg személyes adatait, például jelszavakat, bankkártya adatokat, vagy kattintson egy fertőzött linkre. A phishing levelek gyakran úgy tűnnek, mintha megbízható forrásból származnának, például bankoktól, webáruházaktól, vagy közösségi média platformoktól. A levélben szereplő szöveg és a külső megjelenés megtévesztően professzionális lehet, ami megnehezíti a hamis levelek azonosítását.

A Hallgató feladata a rendelkezésére bocsátott kártékony e-mail üzenetekben alkalmazott támadási módszerek átfogó vizsgálata alapján egy olyan automatizált eljárás kidolgozása, valamint az ezt támogató szoftver eszköz kifejlesztése, mely egy szakértő által előzetesen már kártékonynak minősített e-mail üzenetből bizonyítékrögzítés céllal strukturált metaadatokkal ellátott elemi tényadatok kiemelését és strukturált formában történő tárolását támogatja. A tényadatok körének pontosabb kidolgozása, meghatározása a hallgató feladata, de ezek célszerűen kiterjednek az üzenetből közvetlenül kinyerhető adatok (feladó, címzett, szöveges- és képelemek, képernyőkép, URL-ek) mellett a hivatkozott külső erőforrásokra (pl. adathalász weboldal címe, képernyőképe, akár többszörös átirányítások követésével), illetve egyéb külső forrásokból kinyerhető támogató információkra (pl. geolokáció, DNS, ASN, Whois, RBL adatok) is.

A bizonyítékrögzítés során előálló adatcsomagot a MISP által támogatott szabványos objektum sémák valamelyikére kell illeszteni (https://www.misp-project.org/objects.html). A MISP API használata az output adatok rögzítésére a feladat megvalósítás során nem kötelező, de javasolt.

A feladat elvégzéséhez biztosított eszközök és komponensek:

Kártékony e-mail üzenetek (tesztadatok) gyűjteménye, Linux alapú szoftverfejlesztési környezet.

A jelentkezőtől elvárt előzetes ismeretek:

Programozási ismeretek (javasolt: Python), alapszintű hálózati ismeretek, e-mail és web szolgáltatások protokolljainak, adatformátumainak alapszintű ismerete.

Mentor: Rigó Ernő

Archívum:

Mérnöki és Üzleti Intelligencia Kutatólaboratórium :

2 nagy téma közül lehet választani:

1. Mobilrobotra szerelt kollaboratív robotkar felkészítése pakolási feladatokra

A fejlesztési környezet egyedi fejleszésű mobilrobotra szerelt UR5-ös ipari robotkar, amelyet saját robot nyelvén (~Python) lehet alapszinten programozni, de később a SZTAKI saját fejlesztésű Java környezetében kell a feladatot megoldani.

Jelen nyári gyakorlat feladata, hogy a robotkarral egy off-line módon specifikált többszintes alakzatot felépítsünk a mobilroboton szállított fa téglák segítségével.

Feladatok:

Megfelelő modell felépítése,
Az alakzat megadás kidolgozása, specifikálása,
Az építési korlátok (munkatér, építési méret stb. meghatározása,
A tégláknak a tárolóból történő ki-bevételének a robotos betanítása,
A kész alakzat alapján a műveleti sorrendet meghatározó modul illesztése
Bemutatható demonstráció elkészítése

Szükséges előismeretek:

alapszintű angol nyelvtudás
szoftver (Java, Python) fejlesztési tapasztalatok
robotprogramozási tapasztalat előnyt jelent, de nem feltétel

A sikeres gyakorlat után lehetőség van a munka továbbfejlesztésére pl. TDK munka keretében.

Jelentkezés módja: Önéletrajzzal, a gyakornoki időkeret megadásával, elektronikus úton Nacsa János témavezető részére a nacsa.janos@sztaki.hun-ren.hu valamint „cc”-ben a hr@sztaki.hun-ren.hu e-mail címen.

2. Moduláris szerelési platform kialakítása robotos és kollaboratív (ember-robot) szerelési feladatra

A SZTAKI-ban korábban kifejlesztésre került egy palettás szerelési környezet, amely segítségével gömbcsapokat lehet sokféle módon összeszerelni. A fenti rendszer továbbfejlesztése és validálása a szakmai gyakorlat célja.

A nyári gyakorlat intenzív robotprogramozási feladatot jelent egy UR10-es ipari robotkarral, amely különféle szerelési műveletek pontos betanítását, és a kalibrálási módszerek finomítását is igényli. A gyakorlat végén négy féle elemkészlettel, sokféle layout (melyik szerelési elem hol helyezkedik el a palettán) kialakításával történő komplett szerelést valósít meg a gyakornok.

Feladatok:

Elemi szerelési műveletek finombeállítása,
Szerelési segédelemek pontos kalibrálása,
A kalibráló módszer és szoftver finomhangolása
A nem működőképes layout kialakítások felismerése, előzetes kiszűrése,
A meglevő - saját fejlesztésű - szimulátor hozzáillesztése a megváltozott környezethez
Bemutatható demonstráció elkészítése

Szükséges előismeretek:

alapszintű angol nyelvtudás
szoftver (C##, Python) fejlesztési tapasztalatok
robotprogramozási tapasztalat előnyt jelent, de nem feltétel

A sikeres gyakorlat után lehetőség van a munka továbbfejlesztésére pl. TDK munka keretében.

Munkavégzés helye: Budapest, XI.kerület , Kende utca/ Lágymányosi utca

Jelentkezés módja: Önéletrajzzal, a gyakornoki időkeret megadásával, elektronikus úton Nacsa János témavezető részére a nacsa.janos@sztaki.hun-ren.hu valamint „cc”-ben a hr@sztaki.hun-ren.hu e-mail címen.

Csatlakozz hozzánk Te is! Várjuk a jelentkezésedet!