Professur für Data Privacy and Security
Sie interessieren sich für Themen des Datenschutzes und der IT-Sicherheit im Bereich Datenanalyse, maschinelles Lernen, Big Data und Cloud-Architekturen? Sie möchten gern Cyber-Angriffen durch KI erkennen, automatische Verfahren zur Suche nach Schwachstellen und Risiken entwickeln, oder die (De-)Anonymisierbarkeit von großen Datenbeständen testen? Sie haben Interesse an einer Tätigkeit als wissenschaftlicher Mitarbeiter mit dem Ziel einer Promotion? Dann sprechen Sie uns bitte an oder schreiben Sie eine Initiativbewerbung!
Wir bieten Arbeit in einem interdisziplinären Team, ein inspirierendes Umfeld mit modernen, toll ausgestatteten Arbeitsplätzen in Löhrs Carree im Zentrum von Leipzig, ideale Bedingungen für Experimente mit ML- und KI-Technologie im ScaDS.AI Living Lab, sowie attraktive und flexible Arbeitsbedingungen.
Beim Datenschutz geht es darum, einen Ausgleich zwischen dem Grundrecht auf Privatheit und immer umfangreicheren Sammlungen persönlicher Daten zu schaffen. Das Ziel der Informations- und Cybersicherheit besteht darin, Daten, Dienste oder IT-Systeme mit technischen und organisatorischen Maßnahmen vor Cyber-Angriffen und anderen Bedrohungen zu schützen.
Lösungen zur Datenanalyse, technische und organisatorische Schutzmaßnahmen, gesellschaftliche Bedürfnisse sowie wirtschaftliche Erfordernisse befinden sich dabei in einer komplexen Wechselbeziehung. Ein aktuelles Beispiel sind Internet-of-Things-Anwendungen, bei denen Geräte Sensordaten in die Cloud senden. Die Cloud verwaltet diese mit Big-Data-Managment-Verfahren. Die Sensordaten werden dann mittels Machine Learning bzw. KI ausgewertet, und steuern Smart City- oder Smart Home-Komponenten. Das Anliegen dieser Professur besteht darin, in solchen Szenarien ein sinnvolles Datenschutz- und Sicherheitsniveau zu erreichen. Dazu wird in Lehre und Forschung die gesamte Spannweite von Analyseverfahren über Schutzmaßnahmen bis hin zu Compliance-Frameworks abgedeckt. Das heißt, es geht um den Einsatz von Machine Learning-Techniken zum Anlernen von Firewallregeln oder Intrusion Detection Systemen, sowie zur De-Anonymisierung von Sensordaten. Es geht darum, inwiefern sich Machine Learning-Algorithmen einsetzen lassen, wenn Daten in anonymisierter Form, in verringerter Auflösung oder in der Cloud verteilt gespeichert vorliegen. Es geht ebenfalls um Workflow Privacy Patterns, die technische oder organisatorische Maßnahmen zum Datenschutz als Templates für Geschäftsprozesse bereitstellen. Auf der Compliance-Ebene lässt sich untersuchen, welche Ansätze das Sicherheitsrisiko für den Betreiber (IT-Sicherheit) bzw. das Risiko eines Grundrechtseingriffs (Datenschutz) mindern können, und ob sie mit anderen Maßnahmen konfligieren.
So finden Sie uns
Modulnummer: 10-201-2503
Belegbar für: M.Sc. Data Science, M.Sc. Informatik, 1./2./3. Semester (Anmeldepflicht)
Dozenten: Erik Buchmann
Modulprüfung: Klausur 60 Minuten
Teilnahmevoraussetzungen: keine
Das Modul besteht aus einer Vorlesung (2 SWS) und einer Übung (2 SWS), und wird mit 5 LP verrechnet. Die Übung findet in Gruppen statt. Die Einteilung in Gruppen wird in der ersten Vorlesungsstunde vorgenommen. Wenn Sie sich für das Modul angemeldet haben, aber in der ersten Vorlesungsstunde nicht anwesend sein können, melden Sie sich bitte bei uns!
Inhalt der Vorlesung:
Ort und Zeit:
Die Vorlesung findet ab 12.10.2022 jeden Mittwoch 7:30-9:00 Uhr im Felix-Klein-Hörsaal statt.
Die Übungen finden jeweils Donnerstags von 9:15-12:45 Uhr im Informatik-Pool A-414 statt. Abhängig von der Belegung des Moduls wird es bis zu drei Übungsgruppen geben, die jeweils alle 3 Wochen eine größere praktische Übung durchführen.
| Gruppe A: | 13.10., | 03.11., | 24.11., | 15.12., | 19.01. | |
| Gruppe B: | 20.10., | 10.11., | 01.12., | 05.11., | 26.01. | |
| Gruppe C: | 27.10., | 17.11., | 08.12., | 12.01., | 02.02. |
Modulnummer: 10-201-2502
Belegbar für: M.Sc. Data Science, M.Sc. Informatik, 1./2./3. Semester (Anmeldepflicht)
Dozenten: Erik Buchmann, Jörn Hoffmann
Modulprüfung: Praktikumsleistung (Präsentation (20 Min.) mit schriftlicher Ausarbeitung (4 Wochen)
Teilnahmevoraussetzungen: Vertiefte Kenntnisse im Bereich Programmierung (Python, Java, C oder C++), Netzwerkprotokolle und Rechnernetze sowie Grundkenntnisse in Machine Learning und in der IT-Sicherheit. Eine zeitgleiche Belegung des Moduls "Grundlagen der IT-Sicherheit" (10-201-2503) wird empfohlen.
Das Praktikum (2 SWS) wird mit 5 LP verrechnet. Es richtet sich an Studierende, die Kenntnisse der IT-Sicherheit mitbringen oder in der Vorlesung "Grundlagen der IT-Sicherheit" parallel erwerben möchten. Inhaltlich setzt das Praktikum detaillierte Kenntnisse und großes persönliches Interesse im Bereich Programmierung, Netzwerkprotokolle und Rechnernetze voraus, da beispielsweise Netzwerksniffer ohne diese Kenntnisse nicht sinnvoll eingesetzt werden können. Aufgrund dieser vergleichsweise hohen Anforderungen wird ein Gespräch mit uns im Vorfeld zur Anmeldung empfohlen.
Inhalt des Praktikums: Das Praktikum ist zweigeteilt. Im ersten Teil werden die Studierenden schrittweise an grundlegende Techniken und Werkzeuge herangeführt, mit einem direkten Anschluss an die im Modul "Grundlagen der IT-Sicherheit" vermittelten Konzepte. Dabei kommen insbesondere Analysewerkzeuge für Programme und Netzwerkverkehr zum Einsatz, sowie typische Werkzeuge für Penetrationstests.
Im zweiten Teil werden die Werkzeuge und Techniken auf konkrete Sicherheitsobjekte angewendet. Dies beinhaltet auch das Programmieren von automatisierten Abläufen mit dem Ziel, Teilnetze nach Schwachstellen zu durchsuchen oder umfangreiche Netzwerk-Mitschnitte mit Verfahren aus dem Machine Learning zu analysieren.
Die Studierenden organisieren sich dabei selbständig in Teams, und erarbeiten konkrete Zielstellungen, Analyse- und Ausführungspläne. Die Studierenden dokumentieren dabei ihr Vorgehen und präsentieren ihre Zwischenstände und Ergebnisse.
Ort und Zeit: Die Einführungsveranstaltung des Praktikums fidnet am Dienstag, den 11.10.2022 von 15:15-16:45 Uhr am ScaDS.AI (Löhrs Carre) im Raum A03.07 statt.
Im folgenden sind Beispiele für Bachelor- und Masterarbeiten aufgeführt, die sich aus unserem Forschungsprofil ergeben. Wenn Sie Interesse an solchen oder ähnlichen Themen haben, schreiben Sie uns bitte an.
