Projektart und Laufzeit
Dissertation, seit Februar 2021Koordinator
Hilti Lehrstuhl für Daten- und AnwendungssicherheitForschungsschwerpunkt
Wachstum und KomplexitätBeschreibung
Die Einführung der 5G-Technologie in der Telekommunikation führt, in Verbindung mit dem schnellen Wachstum der Anzahl, Verschiedenartigkeit und Dichte von verbundenen Geräten, zu zahlreichen ernsthaften Sicherheitsbedenken. Der zunehmende Datenverkehr in Netzwerken und die Komplexität der Cyberattacken auf diese machen den Einsatz von KI-Systemen in der Netzwerksicherheit notwendig. Derartige Anwendungen benötigen eine gründliche Bewertung der Widerstandsfähigkeit gegenüber Dateneingabemanipulation durch hochentwickelte Angreifer. Konventionelle Leistungsevaluationstechniken für lernende Systeme unterstellen, dass Trainings- und Testdaten zu gleich- wie gutartigen Umgebungen gehören, die ausserdem die betreffenden Phänomene ausreichend beschreiben. Diese Annahmen sind jedoch für feindselige Szenarien unzutreffend, bei denen die eingesetzten Systeme anfällig für technisch gut gemachte betrügerische Eingaben sind, was zu Leistungsverlust führt.Diese Dissertationsprojekt untersucht die Robustheit von Modellen maschinellen Lernens gegen bösartige Angriffsmuster, unter den spezifischen Einschränkungen der Möglichkeiten denen ein Angreifer in 5G-Netzwerken unterliegt. Ein besseres Verständnis potentieller Schwächen von maschinellem Lernen sowie optimaler Angriffsstrategien sind hierbei die Grundlage für die Erarbeitung von wirksamen Gegenmechanismen.
