Data Privacy and Security Group
Data protection is about finding a balance between the fundamental right to privacy and the increasingly extensive collection of personal data. The goal of information and cyber security is to protect data, services or IT systems from cyber attacks and other threats using technical and organizational measures.
Data analysis approaches, technical and organizational protection measures, societal needs, and economic requirements are in a complex relationship. Typical examples are Internet-of-Things applications where devices send sensor data to the cloud. The cloud manages this data by using Big Data techniques. The sensor data is then analyzed using machine learning or AI, and is used to steer smart city or smart home components eventually. Our concern is to achieve a meaningful level of data protection and security in such scenarios. To this end, our teaching and research covers a wide range of topics, from data analysis approaches over protective measures to compliance frameworks. We research the use of machine learning techniques for learning firewall rules or intrusion detection systems, as well as for de-anonymizing sensor data. We evaluate to which extent machine learning algorithms can be used, when data is in an anonymized form, has a reduced data quality or is stored in a distributed manner in the cloud. We are also interested in workflow privacy patterns, which provide technical or organizational measures for data protection as templates for business processes. At the compliance level, we strive for approaches that mitigate the security risk for the user or the risk of an encroachment on fundamental rights for the persons concerned. Finally, we want to find out whether such approaches conflict with other measures.
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:
Die Lehrmaterialien für Vorlesung und Übung finden Sie im zugehörigen Moodle-Kurs.
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 am 04.04.2023 durchgeführt. Wenn Sie bei der Themenvergabe nicht anwesend sein können, melden Sie sich bitte bei uns!
Inhalt des Seminars:
Die Lehrmaterialien für das Seminar finden Sie im zugehörigen Moodle-Kurs.
Ort und Zeit:
Vorlesungen und Übungen siehe oben. Der erste Seminartermin ist Dienstag, der 04.04.2023.
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 20 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:
Die Lehrmaterialien für Vorlesung und Seminar finden Sie im zugehörigen Moodle-Kurs.
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.
Der erste Seminartermin ist der 13.04.2023!
Wenn Sie bei der Themenvergabe nicht anwesend sein können, melden Sie sich bitte bei uns!
In the following, we name a few prominent examples for Bachelor's and Master's theses, that are within our field of expertise and research. If you are interested in similar topics, please do not hesitate to get in touch with us!
