A „dolgok internete” (Internet of Things, IoT) egymással és az internettel kapcsolatban álló beágyazott számítógépek hálózata, amely számos innovatív alkalmazás alapjául szolgál. Előnyei mellett ugyanakkor biztonsági kockázatokat is rejt. A beágyazott eszközöket megfertőző rosszindulatú programok (malware) veszélyeztethetik az IoT-rendszerek megbízhatóságát és az általuk kínált szolgáltatások elérhetőségét, ezért kutatások folynak hatékony IoT malware detekciós algoritmusok fejlesztésére. Ezek értékeléséhez malware mintákból álló adathalmazokra van szükség. A kutatók ehhez jellemzően honeypotokkal gyűjtenek mintákat vagy már meglévő adathalmazokat használnak. Ezen adathalmazoknak azonban van egy fő korlátja, mégpedig, hogy a minták és a hozzájuk tartozó metaadatok ritkán érhetők el együtt, magas minőségben. A probléma kezelésére a szakirodalom létezik egy olyan megközelítés, amely azonosítja a valószínűsíthetően rosszindulatú mintákat, metaadatokat nyer ki belőlük, majd ezeket egy hasonlósági keresésre alkalmas adatbázisba rendezi.
 
A hallgató feladata ennek a megközelítésnek a megvalósítása az Apache Airflow keretrendszerben, valamint további funkciókkal való bővítése. Az alapvető funkcionalitáson túl a rendszernek többek között képesnek kell lennie arra, hogy különböző malware feedekből (VirusTotal collection, ipari partner) automatikusan letöltsön mintákat és azokból automatizáltan metaadatokat nyerjen ki. A CrySyS laborban már meglévő megoldás a metaadatokat gráf-alapú adatbázisban tárolja, míg az új implementációnak relációs adatbázist kell használnia. A hallgató az Airflow-alapú rendszerrel építse újra a CrySyS labor által publikált metaadat adatbázist és a két adatbázis statisztikai összevetésével igazolja a megvalósítás helyességét! Végül a két megoldást mérésekkel hasonlítsa össze, különös tekintettel a feldolgozási hatékonyságra, a beszúrási időre, valamint értékelje az Airflow-alapú implementáció teljesítményét a meglévő megoldáshoz képest!