Zur Modulseite PDF generieren

#41116 / #2

Seit WiSe 2024/25

Deutsch, Englisch

Smart Security Lab

6

Rieck, Konrad

Unbenotet

Portfolioprüfung

Englisch

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34353000 FG Maschinelles Lernen und IT-Sicherheit

Keine Angabe

Kontakt


Keine Angabe

Rieck, Konrad

rieck@tu-berlin.de

Lernergebnisse

Die Studierenden erwerben Kenntnisse und Fähigkeiten zur Entwicklung intelligenter Sicherheitssysteme. Diese Systeme nutzen maschinelles Lernen, um Sicherheitsbedrohungen zu analysieren und zu erkennen. Nach Abschluss des Moduls sind die Studierenden in der Lage, Techniken zur Datenvorverarbeitung und Merkmalsextraktion auf Sicherheitsdaten auszuwählen und anzuwenden. Sie können Lernalgorithmen für verschiedene Sicherheitsaufgaben vergleichen, anwenden und bewerten. Sie wissen, wie experimentelle Auswertungen konzipiert und durchgeführt werden. Schließlich sind sie sich möglicher ethischer Risiken intelligenter Sicherheitssysteme bewusst und reflektieren kritisch deren Rolle in Gesellschaft und Politik.

Lehrinhalte

Das Praktikum beschäftigt sich mit der Entwicklung intelligenter Sicherheitssysteme. Es führt in relevante Strategien und Methoden zur Kombination von maschinellem Lernen und Sicherheit ein. Dazu gehören der Entwurf von Merkmalsräumen und Einbettungen, die Auswahl von Lernkonzepten, die Anwendung von Lernalgorithmen auf Sicherheitsdaten und die Durchführung experimenteller Auswertungen. Zu den betrachteten Sicherheitsaufgaben können gehören - Angriffserkennung in verschiedenen Datenformaten - Analyse und Erkennung von Schadsoftware - Analyse der Privatsphäre durch maschinelles Lernen - Erkennung von feindlichem maschinellem Lernen Da sich Sicherheitsbedrohungen regelmäßig ändern, werden die spezifischen Aufgaben in jedem Semester einzeln ausgewählt und bekannt gegeben.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Intelligent Security LabPRWiSeen4

Arbeitsaufwand und Leistungspunkte

Intelligent Security Lab (PR):

AufwandbeschreibungMultiplikatorStundenGesamt
Praktikumsaufgaben6.020.0h120.0h
Wöchentliche Treffen15.04.0h60.0h
180.0h(~6 LP)
Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Praktikum ist in sechs Einheiten unterteilt, die sich jeweils über zwei Wochen erstrecken. Jede Einheit konzentriert sich auf eine bestimmte Sicherheitsaufgabe und die Entwicklung eines entsprechenden Sicherheitssystems, wie z. B. Systeme zur Erkennung von Netzwerkangriffen oder Schadcode. Die Einheit beginnt mit einem Überblick über die Aufgabe und stellt die relevanten Prinzipien, Methoden und Werkzeuge vor. Nach dem Überblick arbeiten die Studenten in kleinen Gruppen und entwickeln lernbasierte Systeme für 2-4 Varianten der Sicherheitsaufgabe. Das Praktikum nutzt wöchentliche Treffen, um Anleitungen zu den Aufgaben zu geben und Diskussionen unter den Studenten zu ermöglichen. Die Treffen finden hauptsächlich online über eine Chat-Plattform statt. Es können jedoch auch physische Treffen zu Beginn, in der Mitte und am Ende des Kurses vereinbart werden.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Gute Programmierkenntnisse in Python - Gute Kenntnisse des maschinellen Lernens und der IT-Sicherheit. Die Vorlesung "Machine Learning for Computer Security" bietet eine ideale Vorbereitung auf das Praktikum.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Unbenotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte pro Element

Sprache(n)

Deutsch, Englisch

Prüfungselemente

NameGewichtKategorieDauer/Umfang
Unit 1 (Spam Filtering)100praktischSicherheitsaufgabe; 2-4 Varianten
Unit 2 (Malware Detection)100praktischSicherheitsaufgabe; 2-4 Varianten
Unit 3 (Malware Clustering)100praktischSicherheitsaufgabe; 2-4 Varianten
Unit 4100praktischSicherheitsaufgabe; 2-4 Varianten
Unit 5100praktischSicherheitsaufgabe; 2-4 Varianten
Unit 6100praktischSicherheitsaufgabe; 2-4 Varianten

Notenschlüssel

Ab durchschnittlich 60 Portfoliopunkten bestanden.

Prüfungsbeschreibung (Abschluss des Moduls)

Jede Einheit befasst sich mit einer bestimmten Sicherheitsaufgabe und der Entwicklung von lernenden Systemen für diese Aufgabe. So behandelt die erste Einheit beispielsweise die Spam-Erkennung. Die Studierenden entwickeln lernbasierte Spam-Filter für verschiedene Datensätze mit normalen und Spam-E-Mails (Varianten der Aufgabe). Andere Themen für die Einheiten sind Malware-Erkennung und Malware-Clustering. Da sich die Sicherheitsbedrohungen regelmäßig ändern, werden die spezifischen Aufgaben in jedem Semester individuell ausgewählt und bekannt gegeben. Die Leistung der entwickelten lernbasierten Systeme wird anhand eines vorgegebenen Leistungsmaßes, wie z.B. der Genauigkeit bei der Spam-Filterung, bewertet. Die Studierenden erhalten Punkte für ihre Lösungen und die erreichten Leistungswerte. Insgesamt gibt es für jede Einheit 100 Punkte. Um das Praktikum zu bestehen, müssen die Studierenden mindestens 60 % aller Punkte erfolgreich absolvieren.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 50.

Anmeldeformalitäten

Die Anmeldungen für das Praktikum werden über die Lehrplattform ISIS abgewickelt.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computer Engineering (M. Sc.)110WiSe 2024/25SoSe 2025
Computer Science (Informatik) (M. Sc.)112WiSe 2024/25SoSe 2025
Elektrotechnik (M. Sc.)16WiSe 2024/25SoSe 2025
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)14WiSe 2024/25SoSe 2025

Sonstiges

Keine Angabe