Promotionsstelle: IT-Sicherheit und Maschinelles Lernen

Die Stelle wird nach Entgeltgruppe TV-L 13 (100%) bezahlt und soll zum nächstmöglichen Zeitpunkt besetzt werden. Zu Beginn ist die Stellen auf 18 Monate befristet, bietet aber die Möglichkeit der vollen Finanzierung der gesamten Promotionszeit.

https://www.pse.kit.edu/downloads/stellenangebote

<Berwerbung bis: 15. November 2021

Forschung

Die Forschungsgruppe „Intelligente Systemsicherheit" beschäftigt sich mit der Erforschung und dem Einsatz von Methoden des maschinellen Lernens in der IT-Sicherheit. Hierbei arbeiten wir vor allem an Themen der Applikations- und Systemsicherheit, wie der Angriffserkennung oder der Suche nach Schwachstellen in Software und eingebetteten Geräten. Weitere zentrale und wichtige Themen unserer Forschung sind die Robustheit (Angriffssicherheit) und die Erklärbarkeit von Methoden des maschinellen Lernens.

Ihr Profil

Sie verfügen über ein abgeschlossenes Hochschulstudium (Diplom (Uni)/Master) in der Fachrichtung Informatik oder einem verwandten Gebiet. Darüber hinaus sollten Sie sehr gute Kenntnisse in IT-Sicherheit und/oder maschinellem Lernen mitbringen. Vor allem bedarf es aber der Begeisterung für Forschung an der Schnittstelle der künstlichen Intelligenz und der IT-Sicherheit.

Arbeitsbereich

Mögliche Forschungsthemen sind:

  • Analyse von Angriffen und Schadcode mit maschinellem Lernen
  • Intelligente Schwachstellensuche
  • Fuzz Testen (Fuzzing) mit Methoden des maschinellen Lernens
  • Erklärbarkeit von Lernverfahren in der IT-Sicherheit

Bewerbung

Bitte senden Sie Ihre Bewerbung bestehende aus Anschreiben, Lebenslauf und Zeugnissen an . Achten Sie bitte darauf hervorzuheben warum Sie zu unserer Arbeitsgruppe und der Forschung im Bereich IT-Sicherheit passen.

Wir streben eine möglichst hohe Diversität in unserer Forschungsgruppe an. Bewerbungen von Menschen aller Nationen sind willkommen. Darüber hinaus sind Bewerbungen von Frauen besonders erwünscht. Bei entsprechender Eignung werden außerdem schwerbehinderte Menschen bevorzugt berücksichtigt.