English version below
--------------------
Liebe Studierende,
in der Arbeitsgruppe Rechnernetze am Fachbereich Informatik der
Universität Hamburg sind insgesamt 2 Vollzeitstellen (TVL-E13) als
wissenschaftliche Mitarbeiter:innen (Doktorand:innen) im Themengebiet
IT-Sicherheit, Security Monitoring und Collective Defense für kritische
Infrastrukturen im Drittmittelprojekt SOVEREIGN
(https://sovereign-project.de/) zu besetzen.
Mögliche Forschungsthemen sind dabei:
- Skalierbares Security Monitoring und Intrusion Detection, um
zielgerichtete Angriffe und APTs zu erkennen
- Entwicklung von statistischen oder KI-basierten Methoden, um
zielgerichtete Cyber-Angriffe zu erkennen, zu bewerten und deren
weiteren Vorlauf vorherzusagen
- privatsphäreschützenden Methoden um Threat Intelligence (Tactics,
Techniques, Procedures bis hin zu Cases) zu erstellen und auszustauschen
und dies auch in Form von Machine-Learning-Modellen (Federated Learning)
- Methoden für die (semi-) automatische Auswahl von Gegenmaßnahmen, die
sich an laufende Angriffe adaptieren können
Das Projekt läuft zunächst ein Jahr, aber vorbehaltlich der Bewilligung
weiterer Mittel durch den Mittelgeber, kann das Projekt und damit auch
der Arbeitsvertrag um weitere 3 Jahre verlängert werden.
Weitere Details and Link zum Bewerbungsportal hier:
https://www.uni-hamburg.de/stellenangebote/ausschreibung.html?jobID=c14ae60…
Bewerbungen sind bis zum 29. November möglich. Bei Fragen bitte gerne
direkt an mich wenden.
Viele Grüße
Mathias Fischer
--------------------
Dear students,
we offer two fully-funded full-time positions (TVL-E13) in the working
group for computer networks at the University Hamburg as research
associate (Phd student) in the field of IT security, security
monitoring, and collective defense for critical infrastructures in the
third-party-funded project SOVEREIGN (https://sovereign-project.de/):
Possible research and PhD topics can be:
- scalable security monitoring and intrusion detection to detect
targeted attacks and APTs
- statistical and AI-based methods to detect, assess, and forecast the
further course of targeted attacks
- privacy-friendly methods to create and exchange threat intelligence
information (tactics, techniques, procedures, and cases) also in the
form of machine learning models (federated learning) that for example
describe a certain component/subsystem
- methods for (semi-) automatic network defense that can adapt to and
stop (targeted) attacks
The project’s runtime is one year only, but subject to the approval of
further funding, it will be extended by another three years.
More details and link to the application portal here:
https://www.uni-hamburg.de/stellenangebote/ausschreibung.html?jobID=c14ae60…
Applications are possible until November 29th. Please do not hesitate to
contact me, in case you have any questions.
Best,
Mathias Fischer
--
Prof. Dr. Mathias Fischer
Universität Hamburg
https://net.informatik.uni-hamburg.de