Aktiviere Job-Benachrichtigungen per E-Mail!

Masterarbeit: Filtering and Prioritizing Software Vulnerabilities with Artificial Intelligence

Fraunhofer-Gesellschaft

Paderborn

Hybrid

EUR 40.000 - 60.000

Vollzeit

Vor 30+ Tagen

Erhöhe deine Chancen auf ein Interview

Erstelle einen auf die Position zugeschnittenen Lebenslauf, um deine Erfolgsquote zu erhöhen.

Zusammenfassung

Ein innovatives Institut sucht einen talentierten Studenten, der an der Entwicklung eines KI-gestützten Ansatzes zur Verbesserung der Sicherheit von Software arbeitet. In dieser spannenden Rolle wirst du an der Schnittstelle von Informatik und Cybersecurity tätig sein und die Möglichkeit haben, aktuelle Herausforderungen der Industrie zu adressieren. Du wirst einen Prototyp entwickeln, der Sicherheitsprinzipien und künstliche Intelligenz nutzt, um Sicherheitslücken effizient zu priorisieren. Das Institut bietet eine unterstützende Teamkultur sowie flexible Arbeitsmöglichkeiten, um Studium und Job zu verbinden. Wenn du eine Leidenschaft für Technologie und Sicherheit hast, ist dies die perfekte Gelegenheit für dich.

Leistungen

Flexible Arbeitszeiten
Professionelle Betreuung
Teamkultur mit flachen Hierarchien
Einblick in Unternehmensherausforderungen
Home-Office Möglichkeiten

Qualifikationen

  • Studium der Informatik oder verwandtem Bereich erforderlich.
  • Gute Programmierkenntnisse in Python oder Java sind notwendig.

Aufgaben

  • Entwicklung eines KI-gestützten Ansatzes zur Priorisierung von Sicherheitslücken.
  • Forschung zu Methoden und Tools zur Verbesserung der Sicherheit von SAST-Tools.

Kenntnisse

Python Programmierung
Java Programmierung
Maschinelles Lernen
Statische Analyse
Deutschkenntnisse
Englischkenntnisse

Ausbildung

Studium der Informatik
Vergleichbarer Studiengang

Tools

SAST-Tools

Jobbeschreibung

Willkommen beim Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM!
Wir sind an der Zukunftsmeile in Paderborn und gestalten aktiv die nächste Generation von Innovationen. Unser Fokus: praxisnahe Forschung für Maschinenbau, Automobilindustrie und verwandte Sektoren. Wir entwickeln intelligente Produkte, Produktionssysteme, Dienstleistungen und Softwareanwendungen.

Zahlreiche Studien haben gezeigt, dass vorhandene Sicherheitswerkzeuge kaum genutzt werden, weil es Entwicklern und Managern an Sicherheitsbewusstsein mangelt, sie schlecht zu bedienen sind und es an Fachwissen für ihre korrekte Anwendung fehlt. Viele Unternehmen nutzen SAST-Werkzeuge (Static Application Security Testing), um Sicherheitslücken in Software aufzudecken. Einige Entwickler haben jedoch immer noch Schwierigkeiten, sichere Software zu erstellen, weil sie nur wenig oder gar kein Fachwissen im Bereich Sicherheit haben und oft von den Ergebnissen der Werkzeuge überfordert sind.

Um die Sicherheit von Software und die Widerstandsfähigkeit gegenüber Cyberangriffen zu verbessern, sollten Sicherheitstools anwendbaren Sicherheitsgrundsätzen folgen, die sicherstellen, dass Entwicklungsteams und Management sich der Sicherheitsauswirkungen ihrer Entscheidungen während des gesamten Lebenszyklus der Softwareentwicklung stärker bewusst sind. Mögliche Ansätze, die die Barrieren bei der Verwendung solcher Tools senken, könnten darin bestehen, die von statischen Analysetools erkannten Schwachstellen zu erklären, zu filtern und zu priorisieren. Durch die Nutzung der Fähigkeiten der künstlichen Intelligenz bei der Analyse von Codemustern, die Bereitstellung kontextbezogener Vorschläge, die Reduzierung falscher Möglichkeiten und die Kommunikation in natürlicher Sprache könnten SAST-Tools effizienter und benutzerfreundlicher werden.

Was Du bei uns tust

In dieser Arbeit wirst du einen KI-gestützten Ansatz zur Filterung und Priorisierung von Sicherheitslücken entwickeln, die von SAST-Tools erkannt wurden, indem du die folgenden Aufgaben ausführst:

  • Erforschung aktueller Methoden und Tools zur Verbesserung der nutzbaren Sicherheit von SAST-Tools
  • Entwicklung und Evaluierung eines Prototyps, der nutzbare Sicherheitsprinzipien und künstliche Intelligenz anwendet, um die von SAST-Tools erkannten Schwachstellen zu priorisieren

Was Du mitbringst

  • Du studierst Informatik oder einen vergleichbaren Studiengang
  • Gute Python- und/oder Java-Programmierkenntnisse
  • Kenntnisse und Erfahrung im Bereich maschinelles Lernen
  • Erfahrung mit statischer Analyse wird empfohlen
  • Gute Sprachkenntnisse in Deutsch und/oder Englisch

Was Du erwarten kannst

  • Eine ausgeprägte Teamkultur mit flachen Hierarchien ist für uns selbstverständlich. Das bedeutet: hohe Wertschätzung und Vertrauen
  • Eine professionelle Betreuung und fachliche Unterstützung bei der Erstellung der Masterarbeit
  • Einblick in die aktuellen Herausforderungen der Unternehmen
  • Flexibles Arbeiten aus dem Home-Office, um Studium und Job bestmöglich miteinander zu verbinden

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Haben wir Dein Interesse geweckt? Dann bewirb Dich jetzt online mit Deinen aussagekräftigen Bewerbungsunterlagen. Wir freuen uns darauf, Dich kennenzulernen!

Fragen zu dieser Position beantwortet Dir gerne:
Herr Oshando Johnson

Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM
Zukunftsmeile 1 | 33102 Paderborn

Web:https://www.iem.fraunhofer.de/


Kennziffer: 78667

Hol dir deinen kostenlosen, vertraulichen Lebenslauf-Check.
eine PDF-, DOC-, DOCX-, ODT- oder PAGES-Datei bis zu 5 MB per Drag & Drop ablegen.