Nicolas Müller zu IoT-Systemen und Machine Learning

Absicherung von IoT-Systemen mit Machine Learning

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)

Kommentar schreiben

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert