Umfeld

Die Kombination aus steigender Konnektivität und automatisiertem Fahren stellt auch moderne E/E-Architekturen vor neue Herausforderungen. Zum Einen öffnet sich das Fahrzeug durch neue Schnittstellen immer mehr nach außen, zum Anderen bekommt die Elektronik immer mehr Zugriff auf sicherheitsrelevante Teilsysteme.
Um weiterhin die Funktion und Sicherheit von Fahrzeugen gewährleisten zu können, müssen zusätzliche Absicherungen in Echtzeit erfolgen. Ein Bestandteil davon ist die Erkennung von Anomalien innerhalb der Steuergeräte-Software. Dafür sollen im Rahmen dieser Arbeit die Informationen des Steuergeräte-Betriebssystems – wie z.B. Taskreihenfolge und –laufzeit – verwendet werden. 

Aufgabe

• Einarbeitung in maschinelles Lernen und Anomalieerkennung
• Einarbeitung in embedded Betriebssysteme wie OSEK (AUTOSAR) und Linux
• Untersuchung vielversprechender Algorithmen auf ihre Leistungsfähigkeit und ihre Anwendbarkeit innerhalb eines Steuergeräts
• Prototypische Implementierung und Integration in ein bestehendes Testsystem (auf Basis von Vector CANoe)

Voraussetzungen

Gute Kenntnisse in Betriebssysteme, C# und ggf. Python, Kenntnisse in TensorFlow, C und AUTOSAR von Vorteil, selbständiges Arbeiten Teamfähigkeit