Prezenční studium

4 roky

prof. Ing. Zdeněk Smékal, CSc.

Předseda :
prof. Ing. Zdeněk Smékal, CSc.
Člen interní :
doc. Ing. Radim Burget, Ph.D.
prof. Ing. Jiří Mišurec, CSc.
doc. Ing. Vladislav Škorpil, CSc.
doc. Ing. Jiří Hošek, Ph.D.
prof. Ing. Jaroslav Koton, Ph.D.
Člen externí :
doc. Ing. Otto Dostál, CSc.
prof. Ing. Boris Šimák, CSc.
prof. Ing. Ivan Baroňák, Ph.D.

Doktorand se naučí tvůrčím způsobem využívat teoretické znalosti získané jak studiem vybraných kurzů, tak vlastní tvůrčí činností. Tyto poznatky je schopni efektivně využití při následném návrhu vlastních a inovátorských řešení v rámci dalšího experimentálního vývoje a aplikačního výzkumu. Důraz je tak kladen na získání jak teoretických, tak i praktických dovedností, dále samostatnost v rozhodování, formulování vědecko-výzkumných hypotéz pro přípravu projektů základního až aplikovaného výzkumu, schopnost hodnocení výsledků a jejich prezentace ve formě vědeckých textů a prezentací před vědeckou komunitou.

Doktorský studijní program "Teleinformatika" je zaměřen na přípravu špičkových vědeckých a výzkumných specialistů, kteří budou mít hluboké znalosti principů a technik využívaných v komunikačních a datových drátových i bezdrátových sítích a s tím souvisejících oblastí jako je i vlastní sběr, zpracování a zpětná reprezentace užitečných uživatelských dat na úrovni aplikační vrstvy. Hlavní části studia tvoří oblasti teoretické informatiky a komunikační techniky. Absolvent má široké znalosti komunikačních a informačních technologií, datových přenosů a jejich zabezpečení. Absolvent se orientuje v operačních systémech, počítačových jazycích a databázových systémech, jejich užití včetně návrhu vhodného software a uživatelských aplikací. Je schopen navrhovat nová technologická řešení komunikačních zařízení a informačních systémů určených pro pokročilý přenos informací.

Absolventi programu "Teleinformatika" se uplatňují zejména ve výzkumných, vývojových a projekčních týmech, v oblasti odborné činnosti ve výrobních nebo obchodních organizacích, v akademické sféře a v dalších institucích zabývajících se vědou, výzkumem, vývojem a inovacemi, ve všech oblastech společnosti, kde dochází k aplikaci a využití komunikačních systémů a přenosu informace datovými sítěmi.
Uplatnění naši absolventi nalézají zejména při analýze, návrhu, tvorbě nebo správě komplexních systémů pro přenos a zpracování dat, a také při programování, integraci, podpoře, údržbě nebo prodeji těchto systémů.

Studium doktoranda probíhá podle individuálního studijního plánu, který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. V individuálním studijním plánu jsou specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Student si zapíše a vykoná zkoušky z povinných předmětů, minimálně dvou povinně volitelných předmětů ohledem na zaměření jeho disertační práce, a dále minimálně dvou volitelných předmětů (Angličtina pro doktorandy, Řešení inovačních zadání, Vědecké publikování od A do Z).
Ke státní doktorské zkoušce se může student přihlásit až po vykonání všech zkoušek předepsaných jeho individuálním studijním plánem. Před státní doktorskou zkouškou student vypracuje pojednání k disertační práci, v němž detailně popíše cíle práce, důkladné zhodnocení stavu poznání v oblasti řešené disertace, charakteristiku metod, které hodlá při řešení uplatňovat. Obhajoba pojednání, které je oponováno, je součástí státní doktorské zkoušky. V další části zkoušky musí student prokázat hluboké teoretické i praktické znalosti v oblasti mikroelektroniky, elektrotechnologie, fyziky materiálů, nanotechnologií, elektrotechniky, elektroniky, teorie obvodů. Státní doktorská zkouška probíhá ústní formou a kromě diskuze nad pojednáním k disertační práci se také skládá z tematických okruhů týkajících se povinných a povinně volitelných předmětů.
K obhajobě disertační práce se student hlásí po vykonání státní doktorské zkoušky a po splnění podmínek pro ukončení, jakými jsou účast na výuce, vědecká a odborná činnost (tvůrčí činnost), a minimálně měsíční studijní nebo pracovní stáž na zahraniční instituci anebo účasti na mezinárodním tvůrčím projektu.

Studium doktoranda probíhá podle individuálního studijního plánu (dále jen ISP), který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. Individuální studijní plán je pro doktoranda závazný. Jsou v něm specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Průběžné bodové hodnocení všech aktivit doktoranda je vedeno v dokumentu „Celkové bodové hodnocení doktoranda“ a je součástí ISP. Při zahájení dalšího roku studia pak školitel do ISP zaznamená případné změny. Nejpozději do 15. 10. každého roku studia odevzdává doktorand vytištěný a podepsaný ISP na vědeckém oddělení fakulty ke kontrole a založení.
Během prvních čtyř semestrů skládá doktorand zkoušky z povinných, povinně volitelných anebo volitelných předmětů pro splnění bodových limitů ze Studijní oblasti, a současně se intenzivně zabývá vlastním studiem a analýzou poznatků v oboru stanoveném tématem disertační práce a průběžným publikováním takto získaných poznatků a vlastních výsledků. V dalších semestrech se doktorand již více soustřeďuje na výzkum a vývoj, který souvisí s tématem disertační práce, na publikování výsledků své tvůrčí práce a na vlastní zpracování disertační práce.
Do konce druhého roku studia skládá doktorand státní doktorskou zkoušku, kterou prokazuje široký rozhled a hluboké znalosti v oboru, souvisejícím s tématem disertační práce. K této zkoušce se musí přihlásit nejpozději do 30. dubna ve druhém roce svého studia. Státní doktorské zkoušce předchází zkouška z anglického jazyka.
Ve třetím a čtvrtém roce svého studia provádí doktorand potřebnou výzkumnou činnost, publikuje dosažené výsledky a zpracovává svoji disertační práci. Součástí studijních povinností v doktorském studijním programu je absolvování části studia na zahraniční instituci nebo účast na mezinárodním tvůrčím projektu s výsledky publikovanými nebo prezentovanými v zahraničí nebo jiná forma přímé účasti studenta na mezinárodní spolupráci, což je nutné doložit nejpozději při odevzdání disertační práce.
Doktorandi ve čtvrtém roce studia předkládají do konce zimního zkouškového období svému školiteli rozpracovanou disertační práci, který ji ohodnotí. Disertační práci doktorand odevzdává do konce 4. roku studia.
Student prezenční formy doktorského studia je v průběhu studia povinen absolvovat pedagogickou praxi, tj. působit v procesu výuky. Zapojení doktoranda do pedagogické činnosti je součástí jeho vědecké přípravy. Pedagogickou praxí doktorand získává zkušenosti v předávání poznatků a zdokonaluje prezentační dovednosti. Skladbu pedagogických aktivit (cvičení, laboratorní cvičení, vedení projektů apod.) určí doktorandovi vedoucí daného ústavu po dohodě se školitelem. Povinnost pedagogické praxe se nevztahuje na doktorandy-samoplátce a na doktorandy v kombinované formě studia. Zapojení do výuky v rámci pedagogické praxe potvrdí po jejím splnění školitel v IS VUT.

1. Analýza a predikce kompromitujícího elektromagnetického vyzařování

   Předmětem doktorské disertační práce je využití statistických metod a číslicového zpracování signálu k analýze a predikci elektromagnetického vyzařování elektrických a elektronických zařízení, které by mohlo způsobit únik utajované informace. Na základě měření pomocí proudových nebo napěťových sond na napájecích kabelech počítačů, na trubkách topení nebo vodovodních trubkách a dalších předmětech jsou získána časová a kmitočtová data, z nichž prostřednictvím analýzy v časové, kmitočtové nebo jiné vhodně navržené oblasti (bispektrum, trispektrum, kepstrum apod.) ověřit, zda bude možné identifikovat kompromitující signál v šumu a provést jeho rekonstrukci pro získání informačního obsahu. Na základě získané databáze bude snaha pomocí strojového učení a umělých neuronových sítí navrhnout sofistikované postupy pro zamezení úniku utajovaných informací.

   Školitel: Smékal Zdeněk, prof. Ing., CSc.

2. Bezpečnost optických vláknových infrastruktur

   Optické vláknové sítě se v posledních letech rapidně vyvíjely, aby uspokojily stále rostoucí poptávku po navyšující se kapacitě. Optická vlákna jsou dnes široce používána ve všech typech sítí z důvodu nejen přenosových rychlostí, maximálního dosahu, ale i bezpečnosti. Přestože jsou optické vláknové sítě považovány za naprosto bezpečné, existují možnosti, jak část datového signálu zachytit nebo zkopírovat. Využívány mohou být jak nedokonalosti pasivních optických komponent, tak například monitorovací výstupy aktivních zařízení. S nástupem kvantových počítačů by současné šifrování mohlo být prolomeno. Je nutné se tedy zabývat bezpečností optických vláknových sítí, analyzovat bezpečnostní rizika a navrhnout vhodná protiopatření.

   Školitel: Münster Petr, doc. Ing., Ph.D.

3. Inovativní přístupy k síťovému procesu a zjednodušení topologie pomocí bio-inspirovaných algoritmů umělé inteligence

   Zjednodušení síťového procesu a topologie je klíčové v mnoha oblastech, jako je návrh sítě, architektura systému a další. V rámci tohoto doktorského výzkumu se student ponoří do zkoumání a vývoje inovativních principů pro zjednodušení síťových procesů a topologie. Principy budou použity na komplexních systémech (jako jsou systémy 5G telekomunikačních sítí atd.) k autonomnímu zjednodušení a optimalizaci jejich struktur a procesů. Student bude čerpat inspiraci z přírody a využije bioinspirované algoritmy, jako jsou genetické algoritmy, optimalizace roje částic, optimalizace kolonií mravenců a další. Tyto algoritmy napodobují biologické jevy, jako je evoluce, chování roje a vzorce hledání potravy, a poskytují robustní řešení pro složité optimalizační problémy. Tyto vyvinuté algoritmy budou využity v různých oblastech, včetně návrhu sítí, zjednodušení systémové architektury a dalších. Účinnost těchto algoritmů bude ověřena pomocí numerických simulací a praktických implementací. Výzkumné nástroje budou primárně zahrnovat různé typy bio-inspirovaných algoritmů, jak zavedené, tak nově vznikající, s potenciálním průzkumem hybridních technik, které integrují bio-inspirované algoritmy s jinými metodologiemi strojového učení nebo optimalizace. Posláním tohoto doktorského výzkumu je rozšířit současné chápání a aplikaci bioinspirovaných algoritmů při zjednodušování síťových procesů a topologie, čímž se otevírá cesta pro efektivnější, zjednodušené a optimalizované systémy v různých odvětvích. Pro téma je možnost dodatečné finanční podpory ze strany společnosti ATT.

   Školitel: Burget Radim, doc. Ing., Ph.D.

4. Kyberbezpečnost v dopravních systémech

   Výzkum se zaměří na analýzu hrozeb, zranitelností a metod zabezpečení v inteligentních systémech dopravy (ITS), internetu vozidel, intervozidlové/intravozidlové komunikace a v přidružených digitálních systémech a služeb v dopravě. Práce se bude dále zabývat jak tyto systémy chytré dopravy agilně, robustně a udržitelně zabezpečit. Dílčím cílem práce je i výzkum ochrany soukromí uživatelů u služeb ITS. Předpokládá se zapojení studenta do mezinárodních a národních výzkumných projektů.

   Školitel: Malina Lukáš, doc. Ing., Ph.D.

5. Metody bezpečnostního testování počítačových sítí s protokolem IPv6

   Téma je zaměřeno na výzkum a návrh nových metod, které lze použít při bezpečnostním testování (včetně penetračního testování) v sítích v různé fázi přechodu na protokoly sady IPv6 (Internet Protocol verze 6). Výzkum je cílen na metody použitelné při testování síťové infrastruktury, koncových zařízení a také dalších specializovaných zařízení s důrazem na tzv. přechodové mechanizmy.

   Školitel: Jeřábek Jan, doc. Ing., Ph.D.

6. Moderní optické vláknové přenosové systémy

   Optické přenosové systémy se velmi rychle vyvíjí, aby uspokojily stále rostoucí požadavky uživatelů. Kromě datových přenosů se objevují i nové přenosy jako přesný čas, stabilní frekvence, radio over fiber, kvantové přenosy, apod. Jednotlivé typy signálů mají rozdílné požadavky na přenosovou infrastrukturu. Vlnové multiplexování je dnes široce používáno pro navýšení kapacity optických vláken, nicméně je nutné se zabývat otázkou možného vzájemného rušení. Aby bylo možné splnit požadavky na budoucí přenosové systémy, je nutné se zabývat několika technickými výzvami, jako jsou nové optické modulační formáty s vysokou spektrální účinností, zmírnění lineárních a nelineárních jevů v optických vláknech, nové typy optických vláken a optimalizace jejich spojů s konvenčními vlákny nebo zesílení signálu s minimálním šumem.

   Školitel: Münster Petr, doc. Ing., Ph.D.

7. Nové metody vizuální interpretace mezivýsledků sítí hlubokého učení

   Téma je zaměřeno a na vizualizaci dílčích výsledků a příznaků uvnitř procesů klasifikátorů využívajících sítí hlubokého učení. Cílem je porozumění příznakové analýzy a vizuální interpretace dílčích procesů, zejména pro klasifikátory objektů v obrazových datech. Vyprodukované metody by měly poskytnout obrazové výstupy pro umělecké i analytické využití. V uměleckém pojetí je cílem obrazová syntéza, analytické nástroje pak cílí na zmapování vnitřních procesů jednotlivých etap a jejich vlivu na výsledky.

   Školitel: Říha Kamil, doc. Ing., Ph.D.

8. Nové principy detekce anomálií pomocí strojového učení

   Detekce anomálií je koncept široce používaný v mnoha oblastech, jako jsou finanční podvody, kybernetické narušení a mnoho dalších. V rámci tohoto tématu se doktorand zaměří na výzkum a vývoj nových principů a algoritmů detekce anomálií pomocí strojového učení. Navržené principy budou aplikovány zejména na textová data (normální text, síťové syslogy atd.) pro automatickou identifikaci anomálií ve velkých souborech dat. Některá z oblastí, kde budou vyvinuté algoritmy detekce anomálií aplikovány, zahrnují e-maily, syslogy výkonu sítě, syslogy zabezpečení sítě a data symptomů pacientů. Jako preferované výzkumné nástroje bude student primárně zvažovat koncepty strojového učení pod dohledem a bez dohledu, stejně jako techniky hlubokého učení. Vyvinuté algoritmy budou ověřeny pomocí numerických simulací i implementací v experimentálních sítích. Tato témata budou v úzké spolupráci se společností ATT s možností další finanční podpory.

   Školitel: Hošek Jiří, doc. Ing., Ph.D.

9. Post-kvantové kryptografické protokoly

   Téma se zabývá analýzou, návrhem a optimalizací moderních post-kvantových kryptografických (PQC) protokolů. Výzkum lze blíže orientovat na vybraný otevřený problém jako např. post-kvantová bezpečnost v blockchain technologii, post-kvantové metody ochrany soukromí, PQC na omezených zařízení, kvantově odolné hybridní metody, atd. Předpokládá se zapojení studenta do mezinárodních a národních výzkumných projektů.

   Školitel: Malina Lukáš, doc. Ing., Ph.D.

10. Prostorová analýza medicínských snímků pro optimalizaci ortognátních výkonů

    Téma je zaměřeno na hledání nových automatizovaných metod pro analýzu struktury a prostorových poměrů na dolní čelisti zachycené v CT snímcích. Metody budou sloužit ke strojové asistenci při plánování ortognátních chirurgických výkonů. Základem bude automatická detekce mandibulárního kanálu v CT snímcích, následovaná strojovým stanovením nejvhodnější oblasti pro provedení osteotomie včetně identifikace míst rizikových z hlediska možného poranění n. alveolaris inferior a lokalit nevhodných pro rozdělení kosti z hlediska jejich materiálových či tvarových vlastností. Praktickým cílem tématu je zjednodušení a časově zefektivnění plánování těchto výkonů a snížení počtu pooperačních komplikací.

    Školitel: Říha Kamil, doc. Ing., Ph.D.

11. Strojové učení ve fotonice

    Fotonické systémy zahrnují celou řadu oblastí od datových přenosů, přes senzoriku až po kvantové sítě. Každý fotonický systém má vlastní požadavky na přenosovou infrastrukturu, ale i na vstupní a výstupní parametry. Manuální optimalizace rozsáhlých sítí založených na různých typech signálů je téměř nemožná. S pomocí strojového učení lze u fotonických sítí dosáhnout optimalizace jak samotných přenášených signálů, tak celé infrastruktury. V neposlední řadě, lze pomocí algoritmů strojového učení detekovat a klasifikovat nestandardní chování sítě a minimalizovat tak bezpečnostní rizika. Strojové učení ve fotonice tedy představuje aktuální a perspektivní téma.

    Školitel: Münster Petr, doc. Ing., Ph.D.

12. Výzkum nových metod analýzy prostorové informace v digitálních obrazech

    Téma je zaměřeno na výzkum nových metod pro analýzu prostorové informace obsažené v digitálních obrazech, tedy v jejich časových nebo prostorových sekvencích, případně vyplývající z geometrie dané scény.

    Školitel: Říha Kamil, doc. Ing., Ph.D.

13. Zabezpečené optické sítě využívající kvantovou distribuci klíčů

    Dnešní digitální svět je závislý na bezpečnosti dat jak během komunikace, tak ale i při ukládání dat, například v elektronickém bankovnictví, elektronickém obchodování, elektronickém zdravotnictví nebo v elektronické veřejné správě. S nástupem kvantových počítačů hrozí riziko potenciálního narušení dnešních zabezpečení. Kvantová distribuce klíčů (QKD) poskytuje způsob distribuce a sdílení tajných klíčů, které jsou nezbytné pro kryptografické protokoly. Informace je zde kódována do jednotlivých fotonů. Integrace systémů QKD do stávající síťové infrastruktury využívané pro telekomunikace je aktuální výzvou. Mezi některé další hlavní výzvy patří zvýšení frekvence vysílání klíčů, zvětšení dosahu QKD, nebo snížení komplexnosti a robustnosti stávajících řešení.

    Školitel: Münster Petr, doc. Ing., Ph.D.

14. Zlepšování kvality poškozených zvukových signálů kombinací hlubokých neuronových sítí s klasickými modelovacími technikami

    Práce se bude zabývat moderními přístupy k restaurování audiosignálů, konkrétně se bude zaměřovat na úlohu doplnit chybějící úsek audiosignálu a na příbuznou úlohu nahrazení saturovaných vzorků. Problémy tohoto typu se v praxi běžně vyskytují (archivní nahrávky, výpadky v hovorech VoIP apod.). Současné metody zvládají velmi kvalitní interpolaci signálů, které jsou v okolí chybějícího úseku stacionární a mají harmonický charakter. Současný vývoj v oblasti hlubokých neuronových sítí (DNN) je sice slibný, ale ukazuje se, že DNN zlepšují svůj výkon, pokud jsou doplněny o fyzikální formulaci problému (model-based networks). Studium se bude zaměřovat na přístupy, které kombinují algoritmy úspěšné v posledních letech (metody založené na optimalizaci) a DNN. Práce neopomene psychoakustickou stránku problému. (Spolupráce s Acoustics Research Institute, Vídeň)

    Školitel: Rajmic Pavel, prof. Mgr., Ph.D.

1. kolo (podání přihlášek od 01.04.2024 do 30.04.2024)

1. Bezpečnost a ochrana soukromí v inteligentních infrastrukturách

   Téma se orientuje na výzkum aplikované moderní kryptografie (lehká kryptografie, schémata s ochranou soukromí, autentizace a klíčový management) a optimalizaci schémat v rámci inteligentních sítí typu Internet všeho, Internet vozidel a chytrých měst. Výzkum se zaměří na návrh zabezpečení decentralizovaných a heterogenních sítí a služeb a se zvýšenou ochranou soukromí uživatelů. Předpokládá se zapojení studenta do mezinárodních a národních výzkumných projektů.

   Školitel: Malina Lukáš, doc. Ing., Ph.D.

2. Komunikační strategie pro Smart Grids a IoT

   Cílem práce je návrh optimální strategie řešení komunikační infrastruktury Smart Grids a Smart City zaměřující se zejména na bezpečnost, spolehlivost, výkonnost a škálovatelnost. Smart Grids (tzv. chytré sítě) jsou používané zejména v kontextu chytrých energetických sítí a IoT jsou nasazované především v konceptu Smart Cities (tzv. chytrých měst). Vybrané řešení a technologie budou podrobeny simulaci z pohledu datových toků a efektivity využití technologie. Hlavním cílem bude vytvoření modelu budování komunikačních sítí a nalezení optimální varianty pro dané scénáře v energetice a IoT.

   Školitel: Mlýnek Petr, doc. Ing., Ph.D.

3. Využití strojového učení při modelování zvukových systémů

   Neuronové sítě a strojové učení jsou v oblasti zpracování zvukových signálů v současné době využívány při dolování dat, např. rozpoznání žánru, získávání hudebních informací z nahrávek apod., a při zpracování řeči, např. rozpoznávání slov, identifikaci mluvčího, rozpoznání emocí apod. Jejich potencionální využití je ale také v modelování zvukových systémů. Cílem disertační práce je nalezení algoritmů optimalizace parametrů digitálních hudebních efektů, algoritmů simulujících akustiku prostorů a dalších s využitím strojového učení a modelů slyšení pro trénování neuronových sítí. Výzkum bude zaměřen jednak na statickou optimalizaci parametrů systému podle analogové předlohy a jednak na dynamickou změnu parametrů v reálném čase na základě vlastností zpracovávaného zvukového signálu. Výzkum bude probíhat ve spolupráci s firmami zabývajícími se vývojem SW pro zpracování zvukových signálů.

   Školitel: Schimmel Jiří, doc. Ing., Ph.D.

4. Zvýšení poslechové kvality komprimovaných zvukových signálů pomocí hlubokých neuronových sítí

   Přes veškerý úspěšný vývoj je kvalita audia při nízkých bitových rychlostech nízká. Studium by se věnovalo návrhu, konstrukci a trénováním generativní neuronové sítě, která by měla za úkol zvýšit poslechovou kvalitu komprimovaných zvukových signálů. Tedy na vstupu sítě by byl komprimovaný signál, na výstupu jeho poslechově vylepšená verze.

   Školitel: Rajmic Pavel, prof. Mgr., Ph.D.