Professur für Data Privacy and Security
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
Wenn Sie sich für eines der Module angemeldet haben, aber in der ersten Vorlesungsstunde nicht anwesend sein können, melden Sie sich bitte bei uns! Nicht in Anspruch genommene Plätze werden vom Studienbüro an Nachrücker vergeben.
Belegbarkeit: Vertiefungsmodul im M.Sc. Informatik, Bereich Skalierbares Datenmanagement im M.Sc. Data Science
Dozenten: Erik Buchmann
Modulprüfung: Klausur 60 Minuten
Teilnahmevoraussetzungen: keine (Anmeldepflicht!)
Das Modul besteht aus einer Vorlesung (2 SWS) und einer Übung (1 SWS) und wird mit 5 LP verrechnet. Die Übung findet in Gruppen statt. Die Lehrmaterialien werden rechtzeitig über einen zugehörigen Moodle-Kurs bereitgestellt.
Inhalt der Vorlesung:
Ort und Zeit:
Die Vorlesung findet ab 06.04.2023 jeden Donnerstag 15:15-16:45 Uhr im HS19 statt.
Die Übungen finden ab 14.04.2023 jeweils Freitags von 11:15-12:45 Uhr im SG 2-14. Es wird zwei Übungsgruppen geben, die jeweils im Wechsel alle 2 Wochen eine Übung durchführen.
Belegbarkeit: Vertiefungsmodul im M.Sc. Informatik, Bereich Skalierbares Datenmanagement im M.Sc. Data Science
Dozenten: Erik Buchmann, Anika Hannemann
Modulprüfung: Klausur 60 Minuten und Referat 20 Minuten
Teilnahmevoraussetzungen: keine (Anmeldepflicht!)
Dieses Modul enthält die Vorlesungen und Übungen des Moduls "Datenschutz kompakt von Anonymisierung bis Zweckbindung", und bietet zusätzlich noch ein Seminar (2 SWS). Das Modul wird darum mit 10 LP verrechnet. Das Seminar findet in Gruppen statt. Die Themenvergabe wird am ersten Seminar-Termin durchgeführt. Wenn Sie bei der Themenvergabe nicht anwesend sein können, melden Sie sich bitte bei uns!
Inhalt des Seminars:
Ort und Zeit:
Vorlesungen und Übungen siehe oben.
Das Seminar der Gruppe A findet jeden Dienstag von 15:15 bis 16:45 Uhr im P-901 statt.
Das Seminar der Gruppe B findet jeden Dienstag von 17:15 bis 18:45 Uhr im P-901 statt.
Modulnummer:10-INF-DS105
Belegbarkeit: Bereich Skalierbares Datenmanagement im M.Sc. Data Science
Dozenten: Erik Buchmann
Modulprüfung: Klausur 60 Minuten, Prüfungsvorleistung Referat 15 Minuten
Teilnahmevoraussetzungen: Teilnahme am Modul "Skalierbare Datenbanktechnologien 1" 10-INF-DS01 oder gleichwertige Kenntnisse (Anmeldepflicht!)
Das Modul besteht aus einer Vorlesung (2 SWS) und einem Seminar (1 SWS), und wird mit 5 LP verrechnet. Die Lehrmaterialien werden rechtzeitig über einen zugehörigen Moodle-Kurs bereitgestellt.
Inhalt der Vorlesung:
Ort und Zeit:
Die Vorlesung findet ab 06.04.2023 jeden Donnerstag von 09:15 bis 10:45 am ScaDS.AI im Raum A03.07 statt.
Das Seminar findet jeweils Donnerstags von 13:15 bis 14:45 im selben Raum am ScaDS.AI statt. Die Themenvergabe für das Seminar wird am ersten Seminartermin durchgeführt.
Wenn Sie bei der Themenvergabe nicht anwesend sein können, melden Sie sich bitte bei uns!
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.
