Automatische Wissensextraktion zur Cyber-Sicherheit von Fahrzeugflotten mittels Künstlicher Intelligenz

Umfeld

Die Cyber-Sicherheit von Fahrzeugen und Flotten ist ein hochaktives Forschungsfeld, da über Cyber-Angriffe Unfälle ausgelöst werden können und enormer wirtschaftlicher Schaden entstehen kann (z.B. Fahrzeugdiebstahl, Abgriff von Nutzerdaten). Zur Abwehr von Angriffen muss normales / gutes Verhalten von verdächtigem Verhalten unterschieden werden. Zentrale Herausforderung hierbei, ist das Verhalten und den Zustand des Fahrzeuges und der gesamten Flotte automatisch zu bestimmen. Im Fahrzeug und über externe Kommunikation steht eine große Datenmenge zur Verfügung, in der das Wissen über Verhalten, Zustände und die aktuelle Situation des Fahrzeugs steckt. Dieses Wissen bildet den Kontext aller Security-Entscheidungen. Verfahren der KI versprechen eine automatische und generische Extraktion des Kontext-Wissens aus der Menge der verfügbaren Daten.

Aufgabe

• Recherche zum Stand der Technik von KI-basierten Security-Wissensmodellen („Security Knowledge Graph“, „Ontologie“)
• Erweiterung der Simulationsumgebung und des vorhandenen Wissensmodells
• Auswahl, Implementierung und Evaluation geeigneter KI-Methoden zur Extraktion des Security-Kontext-Wissens aus Fahrzeug-Daten

Voraussetzungen

• Interesse an Fahrzeugen und Cyber-Security, eigenständiges Lernen, Kenntnisse in Python, Matlab/Simulink o.ä,
• Kenntnisse in der Fahrzeugelektronik von Vorteil, Team- und Kommunikationsfähigkeit