Syftet med studien var att undersöka hur hög precision äldre personer har när de ålderskattar maskerade och omaskerade ansikten. 21 kvinnor och 19 män, totalt 40 deltagare med genomsnittlig ålder på 57,7 år fick skatta åldern på 30 maskerade och 30 omaskerade ansiktsbilder. Samma stimuluspersoner användes med och utan mask. Stimulusbilderna delades upp i grupperna yngre (18-32 år) samt äldre (39-72 år). Resultatet visar att omaskerade ansikten skattas med högre precision än maskerade ansikten och att kvinnor hade en högre precision än män. Inga signifikanta skillnader fanns i deltagarnas förmåga att skatta yngre eller äldre ansikten. Tre interaktionseffekter hittades. (1) Mellan ålder och kön, (2) mellan ålder och maskering och (3) mellan mask, ålder och kön. De systematiska avvikelserna visar att de yngre och omaskerade stimuluspersonernas ålder överskattades samt att de äldre personernas ålder underskattades. Resultatet diskuteras i relation till åldersskattnig och självförankringseffekt. / The purpose of this study was to examine how precise older people can estimate the age of masked and unmasked faces. 21 women and 19 men, 40 participants in total, were shown pictures of 30 masked and 30 unmasked faces, and asked to estimate their age. The same stimulus persons were both masked and unmasked. The pictures were divided into age groups, younger (18-32) and older (39-72). The results showed that unmasked faces were better estimated than masked faces, and that women were more precise than men. There were no significant difference between participants ability to estimate the age of young and old faces. Three interaction effects was found. (1) Between age and sex, (2) between age and mask and (3) between mask, age and sex. The systematic divergences show that the age of the younger and unmasked stimulus persons were overestimated, and that the age of the older persons were underestimated. The results are discussed in relation to age estimation and self-anchoring effects.

Vid tillverkning av plåtdetaljer kräver ytbehandlingsmetoden pulverlackering att detaljen maskeras, något som är tidskrävande. I dagsläget sker detta med hjälp av silikonplugg som monteras för hand, vilket är en enformig arbetsuppgift med avseende på de stora produktionsvolymerna. Syftet med denna studie är att utforska lämpliga maskeringsmetoder för pulverlackering utöver den nuvarande samt möjligheterna till automatisering av maskeringsprocessen. Arbetet ska utgöra grunden för framtida implementationer vilket medför att lösningsförslag ska utvecklas i form av konceptuella CAD-modeller. Forskningsplanen byggde på designprocessen Design Research Methodology i tre steg med delmoment från designverktyget Getting Design Right invävt. Resultatet av studien blev att den nuvarande maskeringsmetoden lämpar sig bäst för automatisering. Det lämpligaste alternativet för automatisering var en robotbaserad lösning. Svaren på studiens frågeställningar användes för att utveckla ett koncept för en automatiserad maskeringsprocess med robotar som kan utgöra grunden för framtida implementationer. Dock är detta en första iteration och kan därför förbättras i många avseenden.

Denna studien är en litteraturöversikt, det vill säga en överblick av befintlig forskning. Flickor/kvinnor med autismspektrumtillstånd är ett område som är relativt outforskat, vilket innebär en rad olika konsekvenser för denna grupp. Syftet med denna uppsatsen är att beskriva forskningsläget avseende att som flicka/kvinna leva med autism och därmed kunna identifiera behov av vidare forskning. Detta kommer att undersökas genom att svara på följande två frågeställningar. (1) Hur ser forskningsläget ut avseende att som flicka/kvinna leva med ett autismspektrumtillstånd? (2) Vilka kunskapsluckor kan identifieras? Resultatet visar att gruppen är utsatta på flera olika plan vilket i sin tur ger olika effekter i deras liv. En diagnos kan både främja men även motverka gruppens livsmöjligheter. Den kan leda till en bättre självkännedom och känslor av tillhörighet men kan även leda till sorg och depression. För att kunna förstå målgruppens komplexa situation krävs det mer / This report is a literature review, i.e. a review of existing research. Girls/Women with autism spectrum disorder is a relatively unexplored area. This entails a variety of different consequences for this group. The aim of this study is to describe the research area regarding living with autism spectrum disorder as a girl/woman in order to identify the need for further research. This will be reviewed by answering the following questions. (1) What does the research area regarding living with autism spectrum disorder as a girl/woman look like? (2) Which gaps of knowledge can be identified? The review shows that the group is vulnerable in many different aspects which affects their lives in different ways. A diagnosis can both help but also counteract the life chances of this group. It can lead to better self-awareness and a sense of belonging but leads to grief and depression as well. This area requires more research that can better explain the vulnerability of this group to help better understand their complex situation.

Background. The awareness of cyber attacks in businesses is increasing with the rising number of cyber incidents for businesses. With nearly 350 000 new malware detected per day, there is a big incentive to allocate resources to company infrastructure to mitigate malware. These solutions require scalability not to become bottlenecks and expensive. Therefore, to combat malware, automated solutions have been developed. The automated solutions comprises isolated virtual environments (sandbox), automated analysis, and reports. As a response from malware developers, malware has evolved to become aware of its environment, which has led to an arms race between malware developers and analysts. Objectives. In this thesis, we study how malware can identify sandbox environments and attempt to find appropriate values for masking system information (features). Methods. First, we research previous techniques to identify sandbox environments and consult with Windows environment experts from Truesec. We found 179 features to examine. Then, we gather a dataset of 2448 non-sandbox samples and 77 sandbox samples with a probing method. We use the statistical test Mann-Whitney U-test to identify features that differ between the dataset's groups. We conduct masking on a dataset level and evaluate it with a method similar to k-fold cross-validation using a random forest classifier. Furthermore, we analyze each feature's ability to detect sandboxes with the feature importance calculated by the Mean Decrease in Impurity (MDI). Results. We found 156 out of 179 features that reveal sandbox environments. Which seven out of those features could independently expose sandboxes, i.e., it was possible to classify all sandboxes and non-sandboxes with only one of them. The masking evaluation indicates that our proposed methods are effective at masking the sandboxes. The results of the feature importance showed that Windows Management Instrumentation (WMI) is an ideal source of information when it comes to exposing sandbox environments. Conclusions. Based on the result, we conclude that various values can expose a sandbox. Furthermore, we conclude that our method to find masking values is adequate and the proposed masking methods successfully masks sandbox samples. Lastly, we conclude that there needs to be a change of focus from evasion techniques to masking implementations in the research field. / Bakgrund. Medvetenheten om cyberattacker i företag ökar med det ökande antalet cyberincidenter mot företag. Med nästan 350 000 nya skadliga program som upptäcks per dag, finns det ett stort incitament att allokera resurser till företagets infrastruktur för att motarbeta denna typ av attack. Dessa lösningar kräver skalbarhet för att inte bli flaskhalsar och dyra. Därför har automatiserade lösningar utvecklats för att bekämpa skadlig programvara. De automatiserade lösningarna omfattar isolerade virtuella miljöer (sandlådor), automatiserad analys och rapporter. Som ett svar från utvecklare av skadlig programvara har skadlig programvara utvecklats till att bli medveten om sin miljö, vilket har lett till en kapprustning mellan utvecklare av skadlig programvara och analytiker. Syfte. I den här artikeln studerar vi hur skadlig programvara kan identifiera sandlådemiljöer och försöka hitta lämpliga värden för att maskera systeminformation (parametrar). Metod. Först undersöker vi tidigare tekniker för att identifiera sandlådemiljöer och rådgör med Windows-miljöexperter från Truesec. Vi hittade 179 parametrar att undersöka. Sedan samlar vi en datauppsättning med 2448 icke-sandlådeprover och 77 sandlådeprover med en sonderingsmetod. Vi använder det statistiska testet Mann-Whitney U-test för att identifiera parametrar som skiljer sig åt mellan datamängdens grupper. Vi utför maskering på datauppsättningsnivå och utvärderar den med en metod som liknar k-faldig korsvalidering med hjälp av en random forest klassificerare. Vidare analyserar vi hur viktig varje parameter är för klassificeraren för att utvärdera parametrarnas förmåga att avslöja sandlådor. Resultat. Vi hittade 156 av 179 parametrar som avslöjar sandlådemiljöer. Vilka sju av dessa parametrar kunde oberoende avslöja sandlådor, det vill säga det var möjligt att klassificera alla sandlådor och icke-sandlådor med endast en av dem. Maskeringsutvärderingen indikerar att våra föreslagna metoder är effektiva för att maskera sandlådorna. Resultaten av viktigheten för parametrarna visade att Windows Management Instrumentation (WMI) är en ideal informationskälla när det gäller att exponera sandlådemiljöer. Slutsatser. Baserat på resultatet drar vi slutsatsen att olika värden kan exponera en sandlåda. Dessutom drar vi slutsatsen att vår metod för att hitta maskeringsvärden är adekvat och de föreslagna maskeringsmetoderna maskerar framgångsrikt sandlådeprover. Slutligen drar vi slutsatsen att det måste ske en förändring av fokus från undanflyktstekniker till maskeringsimplementeringar inom forskningsfältet.

This master thesis presents the process of designing and implementing a CNN-based architecture for image recognition included in a larger project in the field of fashion recommendation with deep learning. Concretely, the presented network aims to perform localization and segmentation tasks. Therefore, an accurate analysis of the most well-known localization and segmentation networks in the state of the art has been performed. Afterwards, a multi-task network performing RoI pixel-wise segmentation has been created. This proposal solves the detected weaknesses of the pre-existing networks in the field of application, i.e. fashion recommendation. These weaknesses are basically related with the lack of a fine-grained quality of the segmentation and problems with computational efficiency. When it comes to improve the details of the segmentation, this network proposes to work pixel- wise, i.e. performing a classification task for each of the pixels of the image. Thus, the network is more suitable to detect all the details presented in the analysed images. However, a pixel-wise task requires working in pixel resolution, which implies that the number of operations to perform is usually large. To reduce the total number of operations to perform in the network and increase the computational efficiency, this pixel-wise segmentation is only done in the meaningful regions of the image (Regions of Interest), which are also computed in the network (RoI masks). Then, after a study of the more recent deep learning libraries, the network has been successfully implemented. Finally, to prove the correct operation of the design, a set of experiments have been satisfactorily conducted. In this sense, it must be noted that the evaluation of the results obtained during testing phase with respect to the most well-known architectures is out of the scope of this thesis as the experimental conditions, especially in terms of dataset, have not been suitable for doing so. Nevertheless, the proposed network is totally prepared to perform this evaluation in the future, when the required experimental conditions are available. / Denna examensarbete presenterar processen för att designa och implementera en CNN-baserad arkitektur för bildigenkänning som ingår i ett större projekt inom moderekommendation med djup inlärning. Konkret, det presenterade nätverket syftar till att utföra lokaliseringsoch segmenteringsuppgifter. Därför har en noggrann analys av de mest kända lokaliseringsoch segmenteringsnätena utförts inom den senaste tekniken. Därefter har ett multi-task-nätverk som utför RoI pixel-wise segmentering skapats. Detta förslag löser de upptäckta svagheterna hos de befintliga näten inom tillämpningsområdet, dvs modeanbefaling. Dessa svagheter är i grund och botten relaterade till bristen på en finkornad kvalitet på segmenteringen och problem med beräkningseffektivitet. När det gäller att förbättra detaljerna i segmenteringen, föreslår detta nätverk att arbeta pixelvis, dvs att utföra en klassificeringsuppgift för var och en av bildpunkterna i bilden. Nätverket är sålunda lämpligare att detektera alla detaljer som presenteras i de analyserade bilderna. En pixelvis uppgift kräver dock att man arbetar med pixelupplösning, vilket innebär att antalet operationer som ska utföras är vanligtvis stor. För att minska det totala antalet operationer som ska utföras i nätverket och öka beräkningseffektiviteten görs denna pixelvisa segmentering endast i de meningsfulla regionerna i bilden (intressanta regioner), som också beräknas i nätverket (RoI-masker) . Sedan, efter en studie av de senaste djuplärningsbiblioteken, har nätverket framgångsrikt implementerats. Slutligen, för att bevisa korrekt funktion av konstruktionen, har en uppsättning experiment genomförts på ett tillfredsställande sätt. I detta avseende måste det noteras att utvärderingen av de resultat som uppnåtts under testfasen i förhållande till de mest kända arkitekturerna ligger utanför denna avhandling, eftersom de experimentella förhållandena, särskilt vad gäller dataset, inte har varit lämpliga För att göra det. Ändå är det föreslagna nätverket helt beredd att utföra denna utvärdering i framtiden när de nödvändiga försöksvillkoren är tillgängliga. / En aquest treball de fi de màster es presenta el disseny i la implementació d’una arquitectura pel reconeixement d’imatges fent ús de CNN. Aquesta xarxa es troba inclosa en un projecte de major envergadura en el camp de la recomanació de moda. En concret, la xarxa presentada en aquest document s’encarrega de realitzar les tasques de localització i segmentació. Després d’un estudi a consciència de les xarxes més conegudes de l’estat de l’art, s’ha dissenyat una xarxa multi-tasca encarregada de realitzar una segmentació a resolució de píxel de les regions d’interès de la imatge, les quals han sigut prèviament calculades i emmascarades. Aquesta proposta soluciona les mancances detectades en les xarxes ja existents pel que fa a la tasca de recomanació de moda. Aquestes mancances es basen en la obtenció d’una segmentació sense prou nivell de detalls i en una rellevant complexitat computacional. Pel que fa a la qualitat de la segmentació, aquesta tesi proposa treballar en resolució de píxel, classificant tots els píxels de la imatge de forma individual, per tal de poder adaptar-se a tots els detalls que puguin aparèixer a la imatge analitzada. No obstant, treballar píxel a píxel implica la realització d’una gran quantitat d’operacions. Per reduir-les, proposem fer la segmentació píxel a píxel només a les regions d’interès de la imatge. A continuació, després d’un estudi detallat de les llibreries de deep learnign més destacades, el disseny ha sigut implementat. Finalment s’han dut a terme una sèrie d’experiments per provar el correcte funcionament del disseny. En aquest sentit és important destacar que aquesta tesi no té com a objectiu avaluar el disseny respecte d’altres xarxes ja existents. La raó és que les condicions d’experimentació, sobretot pel que fa a la base de dades, no són adequades per aquesta tasca. No obstant, la xarxa està perfectament preparada per fer aquesta avaluació un cop les condicions d’experimentació així ho permetin.