Data Scientist

Zespół NASK Incident Response Team realizuje komercyjne usługi stałego monitorowania i identyfikowania zagrożeń oraz incydentów w cyberprzestrzeni (Cyber Threat Intelligence). Działalność zespołu skupiona jest na analizie i modelowaniu cyberzagrożeń, takich jak kampanie phishing, malware, ataki DDoS i inne. Zespół rozwija wewnętrzne autorskie systemy zaawansowanej analityki, ekstrakcji cech i korelacji danych, służące automatyzacji procesów decyzyjnych Analityków. NIRT realizuje duże projekty oparte na danych (data-driven) i umożliwia rozwój kompetencji w zakresie odkrywania wzorców w incydentach oraz predykcji zagrożeń.

• Biegła znajomość języka Python oraz bibliotek do analizy i modelowania (Pandas, NumPy, Scikit-learn, PyTorch lub TensorFlow).
• Doświadczenie w co najmniej trzech z następujących obszarów: klasyczne metody uczenia maszynowego (klasyfikacja, detekcja anomalii), przetwarzanie języka naturalnego NLP (Transformers, BERT, NER), komputerowe rozpoznawanie obrazu (CV), podstawy MLOps, praca z wektorowymi bazami danych (RAG/Semantic Search).
• Znajomość języka angielskiego na poziomie B2/C1: swoboda w czytaniu dokumentacji technicznej, analizowaniu anglojęzycznych źródeł oraz pisaniu dokumentacji.

Mile widziane:

• Zainteresowanie tematami cyberbezpieczeństwa, w szczególności zagrożenia typu phishing, malware, APT, znajomość cyklu życia ataku (Cyber Kill Chain).
• Znajomość baz grafowych (np. Neo4j) oraz algorytmów analizy sieciowej do mapowania powiązań między infrastrukturą adwersarzy (domeny, IP, certyfikaty, próbki malware).

• Projektowanie i rozwój nowych rozwiązań (R&D).
• Badanie i prototypowanie nowych rozwiązań AI/ML w obszarze Cyber Threat Intelligence.
• Projektowanie i wdrażanie innowacyjnych modułów analitycznych opartych na uczeniu maszynowym.
• Dobór optymalnych technologii i architektur dla nowych projektów analitycznych w zespole NIRT.
• Integracja i optymalizacja istniejących systemów.
• Wzbogacanie systemów monitorowania NIRT o funkcje modelowania predykcyjnego oraz automatyczną detekcję anomalii.
• Refaktoryzacja i optymalizacja istniejących potoków przetwarzania danych.
• Transfer wyników prac badawczych do środowiska produkcyjnego (MLOps) oraz zapewnienie ich skalowalności.
• Prowadzenie walidacji statystycznej modeli wdrożonych operacyjnie.
• Przekładanie wyników analiz statystycznych na czytelne dashboardy i rekomendacje dla analityków incydentów.
• Aktywne śledzenie trendów w AI/ML w cyberbezpieczeństwie i ich adaptacja do potrzeb operacyjnych zespołu.