Masterproef
In onze opleiding staat een ervaring in het werkveld centraal. Daarom worden masterproeven zoveel mogelijk in samenwerking met de industrie georganiseerd. Hieronder vind je een selectie aan recente masterproeven, waarvan enkele ook een prijs in de wacht sleepten.
Interesse om als bedrijf of andere instelling een toekomstig ingenieur zijn eerste stappen te laten zetten op de arbeidsmarkt? Neem dan zeker een kijkje bij Samenwerken!
Puppy's worden vaak op te jonge leeftijd verhandeld. Dit kan gezondheidsimplicaties voor zowel de hond, als de menselijke bevolking met zich meebrengen. Hierbij spelen de minimumleeftijden van acht en vijftien weken een cruciale rol. Deze zijn ingevoerd om te voorkomen dat te jonge en ongevaccineerde honden verhandeld worden. Deze studie ontwikkelt daarom met behulp van machinaal leren en survival analyse een techniek om de illegale puppyhandel te bestrijden. Dit gebeurt door middel van modellen die accuraat de leeftijd van een pup kunnen bepalen op basis van zijn gebit.
Om machines in staat te stellen complexere vragen te beantwoorden, moeten ze de semantiek van webpagina's beter begrijpen. Het Semantische Web breidt het huidige web hiervoor uit met het Resource Description Framework (RDF), dat informatie beschrijft in een voor machines leesbare en begrijpelijke taal. Om RDF-informatie op te vragen, is de SPARQL-querytaal ontwikkeld. Het beantwoorden van een query die een grote hoeveelheid gegevens manipuleert, is een rekenintensieve taak, waarvan het resultaat vaak niet hergebruikt kan worden. Dit onderzoek richt zich daarom op het verbeteren van de herbruikbaarheid van query's. Dit wordt bereikt door een query op te splitsen in meerdere onderdelen, die elk afzonderlijk kunnen worden uitgevoerd en later hergebruikt. Deze deelresultaten worden zodanig gekozen dat ze efficiënt gecombineerd kunnen worden om zowel de oorspronkelijke query als mogelijke toekomstige query's te beantwoorden.
Netwerk- en computerbeveiliging is een voortdurende strijd tegen hackers, waarbij een firewall alleen niet volstaat om grote netwerken met gevoelige gegevens adequaat te beveiligen. Intrusion Detection Systems (IDS) bieden een extra beveiligingslaag, maar traditionele methoden die op signatuurmatching vertrouwen zijn relatief eenvoudig te omzeilen en vaak niet effectief tegen nieuwe aanvalsmethoden. Machine learning biedt nieuwe mogelijkheden om afwijkend netwerkverkeer te detecteren, maar daarvoor moet het netwerkverkeer eerst worden voorbewerkt.
Deze masterproef introduceert RustiFlow, een snelle en efficiënte tool die netwerkdata opdeelt in flows met afgeleide kenmerken (features), waarmee machine learning-modellen voorspellingen kunnen doen. RustiFlow verwerkt zowel pcaps als realtime netwerkverkeer dat wordt uitgelezen via een netwerkinterface. Gebouwd met de programmeertaal Rust en eBPF-technologie, biedt RustiFlow een prestatieverbetering van 800% ten opzichte van zijn voorgangers, met aanzienlijke verbeteringen in stabiliteit. Dit maakt het een belangrijke vooruitgang voor IDS-systemen in grote netwerken.
Deze masterproef introduceert RustiFlow, een snelle en efficiënte tool die netwerkdata opdeelt in flows met afgeleide kenmerken (features), waarmee machine learning-modellen voorspellingen kunnen doen. RustiFlow verwerkt zowel pcaps als realtime netwerkverkeer dat wordt uitgelezen via een netwerkinterface. Gebouwd met de programmeertaal Rust en eBPF-technologie, biedt RustiFlow een prestatieverbetering van 800% ten opzichte van zijn voorgangers, met aanzienlijke verbeteringen in stabiliteit. Dit maakt het een belangrijke vooruitgang voor IDS-systemen in grote netwerken.