Entwicklung eines Machine-Learning-Ansatzes zur Fehlererkennung, basierend auf Bus-Snooping

Umfeld

Elektronik spielt eine immer größere Rolle bei der Erfüllung von steigenden Anforderungen in den Mobilitätsdomänen wie Automotiv, Avionik oder auch der Raumfahrt. Von diesen elektrischen Systemen wird in Zukunft ein hohes Maß an Leistungsfähigkeit bei gleichzeitig steigenden Anforderungen der Sicherheit und Zuverlässigkeit abverlangt.

Eine Lösung dieser Problematik bieten Many-Core-Systeme, welche zur Steigerung der Zuverlässigkeit interne Redundanzen aufweisen. Das ITIV beschäftigt sich in diesem Bereich mit der Erforschung von Many-Core-Systemen, welche diese Redundanz zur Laufzeit dynamisch und adaptiv anpassen können.

Aufgabe

In dieser Arbeit soll ein Konzept zur Fehlererkennung in einem Many-Core-System erarbeitet werden. Hierbei soll untersucht werden, wie Machine-Learning Algorithmen hierfür angewendet werden können. Hierzu sollen mit Hilfe von ML-Algorithmen  Anomalien auf dem Systembus erkannt werden. Das erarbeitete Konzept soll in ein SystemC-Simulations-Framework eingebunden werden. Zudem soll die Möglichkeit eines Online-Trainings untersucht werden.

Voraussetzungen

• Kenntnisse über Prozessor-Architekturen und Machine-Learning
• SystemC- / C++-Kenntnisse sind von Vorteil
• Motivation und Interesse am selbstständigen Lösen von technischen Problemen