Durch Maschinelles Lernen (ML) lassen sich Analyseprozesse auf großen Datenmengen wesentlich effizienter gestalten. Deshalb sind ML-Systeme auch in der Lage, unbekannte Angriffe auf IT-Infrastruktur zu erkennen.
Wie kann ML bei der IoT-Sicherheit helfen und IoT-Netzwerke absichern? Diese Frage beantwortet Nicolas Müller, Research Scientist bei Fraunhofer AISEC, in unserem Video. IoT-Geräte sind zwar anwendungsfreundlich und preiswert, wenn es z.B. um die Überwachung von Produktionsparametern geht, allerdings sind sie selten vor Angreifenden geschützt. Hier kann ML eingesetzt werden, um das Normalverhalten von Netzwerken zu verstehen. So können Abweichungen davon, potentielle Angriffe also, unverzüglich erkannt und gemeldet werden.
Außerdem gibt das Video Einblicke in State-of-the-Art Methoden aus dem Bereich ML und Cybersicherheit und stellt die Seminare des Fraunhofer AISEC zu diesem Themenkomplex vor. Im Mittelpunkt stehen dabei sowohl klassisches ML und Deep Learning für neuronale Netze.
Mehr zu unseren Weiterbildungen rund um IoT-Sicherheit finden Sie unter Weiterbildung IoT-Sicherheit (fraunhofer.de)
Mehr zum Thema »Maschinelles Lernen« bei der Fraunhofer Academy: Blog der Fraunhofer Academy (fraunhofer.de)
Das könnte Sie auch interessieren:
Das Lernlabor Cybersicherheit ist ein Weiterbildungsprogramm, in dem Experten und Expertinnen von Fraunhofer und ausgewählten Fachhochschulen aktuellste Erkenntnisse auf dem Gebiet der Cybersicherheit vermitteln. Fach-und Führungskräfte aus Industrie und öffentlicher Verwaltung können so ihre Kompetenzen zu IT-Sicherheit aktualisieren und spezialisieren. An zahlreichen Standorten in Deutschland erhalten Sie eine kompakte Qualifizierung in hochwertigen Laboren. Die Präsenzphasen der Seminare dauern nur ein bis drei Tage und sind mit Online-Angeboten ergänzt, so dass die Kurse berufsbegleitend belegt werden können.