deutsch  | Home | Legals | Data Protection | KIT

Optimale Signalauswahl für Safety- und Security-Überwachung mittels Neuronaler Netze

Optimale Signalauswahl für Safety- und Security-Überwachung mittels Neuronaler Netze
type:Bachelor-/ Masterarbeit
time:available
tutor:

M. Sc. Daniel Grimm
M. Sc. Felix Pistorius

Optimale Signalauswahl für Safety- und Security-Überwachung mittels Neuronaler Netze

.
.

Umfeld

Das Auto der Zukunft fährt autonom, ist intelligent und kommuniziert mit seiner Umgebung oder dem Internet. Doch damit entsteht ein Problem: Über die Schnittstellen nach außen werden Cyberangriffe möglich, womit Hacker die Sicherheit der Insassen gefährden können. In der Forschung und Industrie wird bereits seit einigen Jahren an vielfältigen Maßnahmen gearbeitet, um mit diesen Risiken umzugehen. Am ITIV wird an einem Intrusion Detection Systems (IDS) basierend auf Neuronalen Netzen für die Kommunikation der Steuergeräte innerhalb des Fahrzeugs geforscht. Dieses ist aktuell in der Lage, Fehlverhalten in mehreren Signalen auf dem Controller Area Network (CAN-Bus) zu erkennen. Um das gesamte Fahrzeug überwachen zu können und gleichzeitig möglichst wenig Ressourcen zu verbrauchen ist es wichtig, die zu überwachenden Signale optimal auszuwählen.

 

Aufgabe

  • Stand der Technik an Methoden zur Signalauswahl
  • Konzeptionierung eines ressourceneffizienten Verfahrens zur Signalauswahl und Generierung der Neuronalen Netze
  • Implementierung des entwickelten Konzeptes
  • Proof-of-Concept mittels Auswertung von Daten verschiedener Fahrzeuge

 

Voraussetzungen

  • Interesse an Security und Machine Learning, eigenständiges Lernen,
  • Kenntnisse in C/C++ oder Python,
  • Kenntnisse in der Fahrzeugelektronik und Bussystemen von Vorteil, Team- und Kommunikationsfähigkeit