Ubicación:

Madrid, ES, 28046

Fecha de publicación: 5 sept 2026

¿Te defines por tu talento y tu visión?
Entonces, tú también puedes marcar la diferencia. Únete a un entorno profesional que contribuye a la transformación de empresas y sociedad. Alcanza tus metas, supera tus límites y únete a una firma que va más allá de los servicios profesionales.

Porque marcar la diferencia no es solo algo que decimos. Es lo que hacemos.
Desarrolla tu carrera con nosotros.
Becario/a – Managed Detection and Response (MDR) –
MadridTech Program – KPMG | Área de Ciberdefensa (SOC/MDR)
¿Te atrae la ciberdefensa, la respuesta a incidentes y el trabajo en un SOC real?
Únete al Tech Program de KPMG en Madrid – Área de Managed Detection and Response (MDR).
Buscamos estudiantes de máster en ingeniería o informática con ganas de aprender en un ambiente de seguridad ofensiva/defensiva aplicada, ayudando a proteger a nuestros clientes mediante
detección, análisis y respuesta ante amenazas
. En el equipo de MDR, transformamos
alertas, registros y playbooks
en
acciones de contención




que reducen riesgo de manera tangible.

¿En qué tipo de proyectos participarás?
Desde el
monitorizado en tiempo real
en plataformas
SIEM y XDR
, hasta
investigaciones guiadas
de alertas y
automatización
con
SOAR
. Colaborarás en
ejercicios de simulación
, elaboración de
informes operativos
y mejoras de
procedimientos
del SOC, siempre con apoyo de analistas N2/N3.

¿Qué harás?
- En Operaciones MDR (SOC):
- Revisar alertas básicas en SIEM/XDR.
- Clasificar eventos siguiendo los playbooks del SOC.
- Investigar alertas sencillas bajo supervisión del equipo N2/N3.
- Apoyar la contención, p. ej., bloquear IPs o aislar equipos (cuando aplique).
- Documentar hallazgos y actualizar tickets en las herramientas del SOC.
- Preparar borradores de informes con conclusiones y acciones realizadas.
- En Inteligencia y Automatización:
- Realizar búsquedas OSINT básicas para enriquecer el análisis.
- A prender y usar herramientas del

📌 Tech Program (Madrid)
🏢 KPMG España
📍 Madrid