The Internet of Things (IoT) is a concept that is getting a lot of attention. IoT devices are growing in popularity and so is the need to protect these devices from attacks and vulnerabilities. Future developers and users of IoT devices need to know what type of devices need extra care and which are more likely to be vulnerable. Therefore this study has researched the correlations between combinations of protocols and software vulnerabilities. Fifteen protocols used by common services over the internet were selected to base the study around. Then an artificial neural network was used to group the devices into 4 groups based on which of these fifteen protocols were running. Publicly disclosed vulnerabilities were then enumerated for all devices in each group. It was found that the percentage of vulnerable devices in each group differed meaning there is some correlation between running combinations of protocols and how likely a device is vulnerable. The severity of the vulnerabilities in the vulnerable devices were also analyzed but no correlation was found between the groups. / Sakernas internet eller Internet of things (IoT) är ett koncept som fått mycket uppmärksamhet. IoT enheter växer drastisk i popularitet, därför är det mer nödvändigt att skydda dessa enheter från attacker och säkerhetsbrister. Framtida utvecklare och användare av IoT system behöver då veta vilka enheter som är mer troliga att ha säkerhetsbrister. Denna studie har utforskat om det finns något samband mellan kombinationer av aktiva protokoll i enheter och säkerhetsbrister. Femton vanligt använda protokoll valdes som bas för studien, ett artificiellt neuralt nätverk användes sedan för att gruppera enheter baserat på dessa protokoll. Kända sårbarheter i enheterna räknades upp för varje grupp. En korrelation mellan kombinationer av protokoll och trolighet för sårbarheter hittades. Allvarlighetsgraden av säkerhetsbristerna i sårbara enheter analyserades också, men ingen korrelation hittades mellan grupperna.

Well-being is associated with comfort and health, and it represents wellness and quality of life. Sleep quality is an important index when evaluating a person’s well-being. KTH Live-in-lab performs Human-building interaction studies to explore the growing potential of how built environments, measured by Schneider Electric (SE), can influence humans and their well-being in their everyday lives. This thesis works as an explorative study of using the OURA ring to evaluate sleep quality for tenants living in KTH LiL. Specifically, this project aims to assess the quality of the data collected from the ring and SE sensors by using Total Data Quality Management (TDQM) and propose a Multilayer perceptron (MLP) model for predicting sleep scores. Results first showed that the OURA ring is an appropriate tool for evaluating sleep quality. Its data passed 11 TDQM’s dimensions, including accuracy, objectivity, relevancy, interpretability and understandability. Second, the OURA was able to capture the relationship between sleep quality and building’s temperature and humidity through its sleep scores. Results showed that higher sleep scores situated more around the suggested ideal ranges of temperature and humidity. However, some low sleep scores were also situated around these ideal ranges which suggests that an additional study needs to be conducted. Such a study would take in tenants’ feedback in order to distinguish sleep scores heavily affected by psychological and/or other factors rather than built environments. Third, we were able to create an MLP model to predict sleep scores based on temperature and humidity values as well as user-related information, like activity rate and total burn. The model had validation and training losses converging at 1.90-2.50. Those low loss rates suggest that the building's temperature and humidity along with information about tenants from the ring can be used to improve the sleep scores. This model can be extended into a recommendation model where buildings’ operators and tenants can benefit from. Buildings’ operators would get information and recommendations on how to properly administer their buildings to achieve higher well-being for their tenants. Also, tenants would get recommendations on how to increase their sleep scores and, ultimately, their sleep qualities and well-being. / Välbefinnande är förknippat med komfort och hälsa, och det representerar livskvalitet. Sömnkvalitet är ett viktigt index när man utvärderar människors välbefinnande. KTH Live-in-lab utför interaktionsstudier mellan Människor-Byggnader interaktion för att utforska den växande potentialen för hur byggda miljöer, mätt av Schneider Electric (SE), kan påverka människor och deras välbefinnande i vardagslivet. Denna avhandling fungerar som en explorativ studie av att använda OURA-ringen för att utvärdera sömnkvaliteten för hyresgäster som bor i KTH LiL. Specifikt syftar detta projekt till att bedöma kvaliteten på de data som samlats in från ring- och SE-sensorerna genom att använda Total Data Quality Management (TDQM) och föreslå en Multilayer perceptron (MLP) - modell för att förutsäga sömn resultat. Resultaten visade först att OURA-ringen är ett lämpligt verktyg för att utvärdera sömnkvaliteten. Dess data passerade 11 TDQMs dimensioner, inklusive noggrannhet, objektivitet, relevans, tolkbarhet och förståbarhet. För det andra kunde OURA fånga förhållandet mellan sömnkvalitet och byggnadens temperatur och fuktighet genom sina sömnvärden. Resultaten visade att högre sömn värden ligger mer runt de föreslagna ideala temperatur- och luftfuktighet områdena. Några låga sömn resultat låg dock också runt dessa ideala intervall, vilket tyder på att ytterligare en studie måste genomföras. En sådan studie skulle ta hyresgästernas återkoppling för att urskilja sömn poäng som påverkas starkt av psykologiska och / eller andra faktorer förutom de byggda miljöer. För det tredje kunde vi skapa en MLP-modell för att förutsäga sömn värden baserat på temperatur- och luftfuktighets värden samt använda relaterad information, som aktivitetsgrad och totalt bränn. Modellen hade validering och näringsförluster som konvergerade vid 1,90-2,50. Dessa låga förlust nivåer antyder att byggnadens temperatur och luftfuktighet tillsammans med information om hyresgäster från ringen kan användas för att förbättra sömn värdena. Denna modell kan utvidgas till en rekommendation modell där byggnadens operatörer och hyresgäster kan dra nytta av. Byggnadens operatörer skulle få information och rekommendationer om hur de ska förvalta sina byggnader på rätt sätt för att uppnå högre välbefinnande för sina hyresgäster. Hyresgästerna skulle också få rekommendationer om hur man ökar sina sömn värden och i slutändan deras sömnkvaliteten och välbefinnande.

Hand segmentation is a fundamental part of many computer vision systems aimed at gesture recognition or hand tracking. In particular, augmented reality solutions need a very accurate gesture analysis system in order to satisfy the end consumers in an appropriate manner. Therefore the hand segmentation step is critical. Segmentation is a well-known problem in image processing, being the process to divide a digital image into multiple regions with pixels of similar qualities. Classify what pixels belong to the hand and which ones belong to the background need to be performed within a real-time performance and a reasonable computational complexity. While in the past mainly light-weight probabilistic and machine learning approaches were used, this work investigates the challenges of real-time hand segmentation achieved through several deep learning techniques. Is it possible or not to improve current state-of-theart segmentation systems for smartphone applications? Several models are tested and compared based on accuracy and processing speed. Transfer learning-like approach leads the method of this work since many architectures were built just for generic semantic segmentation or for particular applications such as autonomous driving. Great effort is spent on organizing a solid and generalized dataset of hands, exploiting the existing ones and data collected by ManoMotion AB. Since the first aim was to obtain a really accurate hand segmentation, in the end, RefineNet architecture is selected and both quantitative and qualitative evaluations are performed, considering its advantages and analysing the problems related to the computational time which could be improved in the future. / Handsegmentering är en grundläggande del av många datorvisionssystem som syftar till gestigenkänning eller handspårning. I synnerhet behöver förstärkta verklighetslösningar ett mycket exakt gestanalyssystem för att tillfredsställa slutkonsumenterna på ett lämpligt sätt. Därför är handsegmenteringssteget kritiskt. Segmentering är ett välkänt problem vid bildbehandling, det vill säga processen att dela en digital bild i flera regioner med pixlar av liknande kvaliteter. Klassificera vilka pixlar som tillhör handen och vilka som hör till bakgrunden måste utföras i realtidsprestanda och rimlig beräkningskomplexitet. Medan tidigare använts huvudsakligen lättviktiga probabilistiska metoder och maskininlärningsmetoder, undersöker detta arbete utmaningarna med realtidshandsegmentering uppnådd genom flera djupinlärningstekniker. Är det möjligt eller inte att förbättra nuvarande toppmoderna segmenteringssystem för smartphone-applikationer? Flera modeller testas och jämförs baserat på noggrannhet och processhastighet. Transfer learning-liknande metoden leder metoden för detta arbete eftersom många arkitekturer byggdes bara för generisk semantisk segmentering eller för specifika applikationer som autonom körning. Stora ansträngningar läggs på att organisera en gedigen och generaliserad uppsättning händer, utnyttja befintliga och data som samlats in av ManoMotion AB. Eftersom det första syftet var att få en riktigt exakt handsegmentering, väljs i slutändan RefineNetarkitekturen och både kvantitativa och kvalitativa utvärderingar utförs med beaktande av fördelarna med det och analys av problemen relaterade till beräkningstiden som kan förbättras i framtiden.

As resource-constrained autonomous vehicles are used for more and more applications, their ability to achieve the lowest possible localization error without expending more power than needed is crucial. Despite this, the parameter settings of the localization systems, both for the platform and the application, are often set arbitrarily. In this thesis, we propose a model-based controller that adapts the parameters of the localization system during run-time by observing conditions in the environment. The test-bed used for experiments consists of maplab, a visual-inertial localization framework, that we execute on the Nvdia Jetson AGX platform. The results show that the linear velocity is the single most important environmental attribute to base the decision of when to update the parameters upon. We also found that while it was not possible to find a direct connection between certain parameters and environmental conditions, a connection could be found between sets of configuration parameters and conditions. Based on these conclusions, we compare model-based controller setups based on three different models: Finite Impulse Response (FIR), AutoRegressive eXogenous input (ARX) and Multi-Layer Perceptron (MLP). The FIR-based controller performed the best. This FIR-based controller is able to select configurations at the appropriate times to keep the error lower than it would be to randomly guess which set of configuration parameters is best. The proposed solution requires offline profiling before it can be implemented on new localization systems, but it can help to reduce the error and power consumption and thus enable more uses of resource-constrained devices. / Användningen av autonoma fordon med begränsade resurser ökar allt mer, vilket i sin tur ökar vikten av att dessa kan lokalisera med lägsta möjliga fel utan att förbruka mer effekt. Trots detta bestäms parametrarna för både hårdvara och i algoritmerna ofta godtyckligt för dessa lokaliseringssystem. I detta examensarbete presenterar vi en lösning till detta, i form av en modellbaserad regulator som anpassar parametrarna baserat på vad den detekterar i omgivningen. Vår testuppställning består av maplab, ett lokaliseringsramverk, som vi exekverar på Nvida Jetson AGX plattformen. Resultaten visar att den linjära hastigheten är den viktigaste miljövariabeln att detektera och använda för att anpassa parametrarna i lokaliseringssystemet. Resultaten visar även att det går att hitta kopplingar mellan konfigurationer och miljövariabler, även om det inte går att hitta mellan specifika konfigurationsparameterar och miljövariabler. Den regulator som presterar bäst visar sig vara en som är baserad på en Finite Impulse Response modell, med en optimeringshorisont på 5 sekunder. Denna presterar bättre än både AutoRegressive eXogenous input baserad regulator och en Multi-Layer Perceptron baserad regulator. Finite Impulse Response regulatorn åstadkommer ett fel som är lägre än slumpmässig gissning, på data den inte sett förut. Lösningen som uppvisas i detta projekt kräver optimering offline för att fungera, men om det utförs kan den reducera både lokaliseringsfelet och effektförbrukningen och genom det skapa nya användningsområden för resursbegränsade enheter.

This project examines cyber threats and their impact on individuals and organizations. The thesis focuses on a thorough literature review and uses surveys for primary data collection. The quantitative method was chosen to gather numeric data on these threats. The methodology classifies digital threats and analyzes survey results about these threats. It also gathers data on the perceived difficulty of these threats and compares general beliefs with expert opinions and statistical data from literature. Surveys targeted individuals aged 20-45 with a university degree, obtaining 86 responses. Interviews with five security professionals followed a standardized format, aiding in a comparative analysis with the survey data. The questions addressed several cyber threats, including phishing, ransomware, insecure passwords, malware, traffic sniffing, and denial of service. Notably, many respondents lacked a clear understanding of the significance of insecure passwords and traffic sniffing. By using quantitative methods and integrating survey results with expert opinions and literature findings, this study deepens the understanding of cyber threats. The results spotlight misconceptions and knowledge gaps about cyber threats, underscoring the need for better cybersecurity awareness and education. / Detta projekt undersöker cyberhot och deras påverkan på individer och organisationer. Avhandlingen fokuserar på en grundlig litteraturgranskning och använder enkäter för primär datainsamling. Den kvantitativa metoden valdes för att samla numeriska data om dessa hot. Metodiken klassificerar digitala hot och analyserar enkätresultat om dessa hot. Den samlar också in data om den upplevda svårigheten av dessa hot och jämför allmänna uppfattningar med expertåsikter och statistiska data från litteratur. Enkäter riktade sig till individer i åldern 20-45 med en universitetsexamen, och gav 86 svar. Intervjuer med fem säkerhetsprofessionella följde ett standardiserat format, vilket underlättade en jämförande analys med enkätdata. Frågorna behandlade flera cyberhot, inklusive phishing, ransomware, osäkra lösenord, skadlig programvara, trafikavlyssning och denial of service. Framför allt saknade många svarande en tydlig förståelse för betydelsen av osäkra lösenord och trafikavlyssning. Genom att använda kvantitativa metoder och integrera enkätresultat med expertutlåtanden och litteraturfynd fördjupar denna studie förståelsen för cyberhot. Resultaten belyser missuppfattningar och kunskapsluckor om cyberhot, vilket understryker behovet av bättre medvetenhet och utbildning inom cybersäkerhet.

This study is a bachelor thesis in the field of Information Design with a focus on Interaction Design. It aims to develop an interactive application to raise self-awareness on the matter of sleep hygiene for young adults, especially college students.  The study integrates both quantitative methods such as surveys, and qualitative methods including interviews and usability testing, to gather data. This report demonstrates the design thinking behind design solutions based on collected data and several iterative processes. The study involves various experts and the potential target group to create a User-Centered Design application. In total, seven experts in both health and user experience fields, and five college students were involved in the qualitative research. Various psychological theories such as Cognitive Load and Self-Determination were used in the study to create a user-friendly application.  The result of this study is a design proposal for the interactive application called Soul-Py, which combines a sleep tracker, gamification of sleep hygiene topics, a community that involves both experts and other users, and a controller for smart home devices. The application encourages users to self-reflect on their sleep hygiene and practice better sleep hygiene practices. / Denna studie är en kandidatuppsats inom området informationsdesign med fokus på interaktionsdesign. Den syftar till att utveckla en interaktiv applikation för att öka självmedvetenheten om sömnhygien för unga vuxna, särskilt universitetsstudenter.  Studien integrerar både kvantitativa metoder, såsom enkäter, och kvalitativa metoder, inklusive intervjuer och användbarhetstester, för att samla in data. Denna rapport visar designprocessen bakom design lösningarna baserade på insamlade data och flera iterativa processer. Studien involverar olika experter och potentiella målgrupp för att skapa en användarcentrerad designapplikation. Totalt var sju experter inom både hälso- och användarupplevelseområdena, samt fem universitetsstudenter, inblandade i den kvalitativa forskningen. Olika psykologiska teorier såsom kognitiv belastning och självbestämmandeteori användes i studien för att skapa en användarvänlig applikation.  Resultatet av studien är ett designförslag för den interaktiva applikationen, kallad Soul-Py, som kombinerar en sömnspårare, spelifiering för ämnen om sömnhygien, en gemenskap som involverar både experter och andra användare, samt en kontroller för smarta hem-enheter. Applikationen uppmuntrar användarna att reflektera över sin sömnhygien och att praktisera bättre sömnhygienvanor.

Denna uppsats undersöker intentionen att använda smarta enheter i tjänst hos personal i Försvarsmakten, som är en organisation med högt behov av verksamhetssäkerhet. Verksamhetens säkerhet är direkt beroende av hur personal inom verksamheten agerar utifrån ett säkerhetsperspektiv. Syftet är att belysa hur Försvarsmakten förmedlar informationssäkerheten kring smarta enheter och hur personalen påverkas utifrån det. Det empiriska materialet har samlats in genom en kvalitativ fallstudie i form av semistrukturerade intervjuer med två olika grupper. Resultatet analyseras med hjälp av ett teoretiskt ramverk bestående av Protection Motivation Theory (PMT) och General Deterrence Theory (GDT) i syfte att belysa vad det är som avgör personalens beteende. Teorierna utgår från att beteendet påverkas av rädsla för sanktioner eller för hot mot verksamhet och individ. Resultatet visar att aspekter från de båda teorierna är närvarande hos personalen och att det som påverkar den enskildes agerande beror på vilken information organisationen delgett och individernas personliga uppfattningar. Personalen är medveten om de risker som följer av användningen av smarta enheter, men enheterna används ändå i stor utsträckning. Faktorer som spelar in i intentionen är kunskapsnivån, befattningen individen besitteroch arbetsområdet individen verkar inom. / This paper examines the intention to use smart devices by staff in the Swedish Armed Forces,which is an organization with a high need for operational security. The security of the business isdependent on how staff within the business behave, in a security perspective. The purpose is toelucidate how the Swedish Armed Forces conveys information security regarding smart devicesand how their staff are affected. The empirical material has been collected through a qualitativecase study in the form of semi-structured interviews with two different groups. The results areanalyzed using a theoretical framework consisting of Protection Motivation Theory (PMT) andGeneral Deterrence Theory (GDT) in order to elucidate what determines the behavior of the staff.The theories are based on the fact that behavior is affected by fear of sanctions or threats to thebusiness and individuals. The result shows that aspects in both theories are present in the staffbehavior. What influences the individual's actions depends on what information the organizationhas shared and the personal perceptions of the individuals. Factors that play into the intention arethe level of knowledge, the position the individual possesses and the area of work the individualoperates within.

This thesis is written within the topic of Internet of Things (IoT) and smart homes among young adults in Sweden. Smart homes are taking up more and more space on the housing market and aim to make consumers' everyday lives easier. Factors behind buying a smart home present a gap of knowledge about who the potential buyers are among young adults. The essay is written with the aim of reviewing generation Y and Z’s ownership and regular use of smart home devices in their households in terms of usefulness and ease of use. The aim is also to gain an insight into the willingness of generation Y and Z to buy and pay for a smart home. By using previous research combined with a quantitative study in the form of a web survey, an analysis was formed from the consumers' responses. The result shows that young consumers have a broad knowledge of what IoT means with a majority having at least one smart device in their household. The willingness to buy and pay for smart homes is proving to be varied, with young consumers not yet convinced on the issue. The outcome of the thesis contributes to an interesting discussion about IoT and smart homes from different perspectives and gives you as a reader knowledge about smart home devices and their potential in the housing market.

Object tracking seeks to determine the object size and location in the following video frames, given the appearance and location of the object in the first frame. The object tracking approaches can be divided into categories: online trained trackers and offline trained tracker. First group of trackers is based on handcrafted features like HOG or Color Names. This group is characterised by high inference speed, but struggles from lack of highly deterministic features. On the other hand the second group uses Convolution Neural Networks as features extractors. They generate highly meaningful features, but limit the inference speed and possibility of learning object appearance in the offline phase. The following report investigates the problem of tracking a soccer ball on mobile devices. Keeping in mind the limited computational resources of mobile devices, we propose the fused tracker. At the beginning of the video the simple online trained tracker is fired. As soon as the tracker looses the ball, the more advanced tracer, based on deep neural networks is fired. The fusion allows to speed up the inference time, by using the simple tracker as much as possible, but keeps the tracking success rate high, by using the more advanced tracker after the object is lost by the first tracker. Both quantitative and qualitative experiments demonstrate the validity of this approach. / Objektspårning syftar till att bestämma objektets storlek och plats i följande videoramar, med tanke på objektets utseende och plats i den första bilden. Objektspårningsmetoderna kan delas in i kategorier: online-utbildade trackers och offline-utbildade trackers. Första gruppen av trackers är baserad på handgjorda funktioner som HOG eller Color Names. Denna grupp kännetecknas av hög inferenshastighet, men kämpar från brist på mycket deterministiska egenskaper. Å andra sidan använder den andra gruppen Convolution Neural Networks som funktioner för extrahering. De genererar mycket meningsfulla funktioner, men begränsar sluthastigheten och möjligheten att lära sig objekt i offlinefasen. Följande rapport undersöker problemet med att spåra en fotboll på mobila enheter. Med tanke på de begränsade beräkningsresurserna för mobila enheter föreslår vi den smälta trackern. I början av videon sparkas den enkla utbildade spåraren online. Så snart trackern förlorar bollen avfyras den mer avancerade spåraren, baserad på djupa neurala nätverk. Fusionen gör det möjligt att påskynda inferenstiden genom att använda den enkla trackern så mycket som möjligt, men håller spårningsfrekvensen hög, genom att använda den mer avancerade trackern efter att objektet förlorats av den första trackern. Både kvantitativa och kvalitativa experiment visar att detta tillvägagångssätt är giltigt.

This thesis explores the viability of various energy harvesting technologies for powering micro-scale IoT devices in outdoor environments, specifically for products developed by Thule Sweden AB. Through a comprehensive literature review and experimental testing, we evaluated the performance of solar panels and piezoelectric systems to identify sustainable power solutions that could replace or reduce dependence on traditional battery power. Our methodology involved controlled laboratory tests and real-world applications on car roof boxes and bike trailers to assess the technologies under practical conditions. The experiments aimed to achieve a minimum daily energy output of 20 Joules. This target was chosen with reference to the energy consumption data of a specific IoT device used by Thule. The results demonstrated that while both solar and piezoelectric technologies have their possibilities and limitations, they hold promise for integration into IoT applications, offering a step towards more sustainable product designs. These findings contribute to a broader understanding of energy harvesting’s potential to reduce environmental impact and enhance the self-sufficiency of energy production in outdoor IoT applications. / Denna avhandling undersöker genomförbarheten av olika teknologier för energiutvinning för att driva mikroskaliga IoT-enheter i utomhusmiljöer, specifikt för produkter utvecklade av Thule Sweden AB. Genom en omfattande litteraturöversikt och experimentella tester utvärderade vi prestandan hos solpaneler och piezoelektriska system i syfte att identifiera hållbara energilösningar som kunde ersätta eller minska beroendet av traditionella batterier. Vår metodik inkluderade både kontrollerade laboratorietester och praktiska tillämpningar på takboxar och cykelkärror för att bedöma teknologierna under praktiska förhållanden. Experimenten syftade till att uppnå en minsta daglig energiproduktion på 20 joule. Detta mål baseras på energiförbrukningsdata från en specifik IoT-enhet som används av Thule. Resultaten visade att även om både sol- och piezoelektriska teknologier har sina fördelar och begränsningar, har de potential för integration i IoT-applikationer, vilket erbjuder ett steg mot mer hållbara produktdesigner. Dessa fynd bidrar till en bredare förståelse för energiutvinningens potential att minska miljöpåverkan och förbättra självförsörjningen av energiproduktion för IoT-applikationer utomhus.