Unsere Projekte

Intelligente Sicherheit und Datenschutz für eine innovative Region (INSPIRE)

Kaum ein Tag vergeht ohne Schlagzeilen über IT-Angriffe und Datenlecks. Betroffen sind Behörden, Unternehmen, Betreiber kritischer Infrastrukturen und mittlerweile (direkt oder indirekt) auch jeder Bürger. Gleichzeitig werden – mit dem Ziel, den industriellen Vorsprung zu sichern und auszubauen oder aus kommerziellem Interesse – immer mehr Bereiche digitalisiert ohne angemessene Betrachtung der damit auch einhergehenden Sicherheitsprobleme, die kombiniert mit der Einbettung in immer komplexere Netze schwer kontrollierbar werden und mit einem Potential möglicher Schäden verbunden sind, die – wenn ausgenutzt – unserer Gesellschaft eher schaden als nutzen können. Regularien, wie das IT-Sicherheitsgesetz und die EU-Datenschutz-Grundverordnung, kommen meist erst, wenn Technologien, wie die zunehmende Dienstverlagerung in die Cloud, bereits so Einzug gehalten haben, dass sie im Nachhinein nur noch schwer damit in Einklang zu bringen sind. Hier bedarf es Lösungen, die es erlauben, IT-Sicherheit und Datenschutz in Netzen nachträglich zu bewerten und zu erhöhen, um Konformität mit diesen Regularien herzustellen und so systematisch die Angriffsfläche heutiger und zukünftiger Technologien unserer digitalisierten Gesellschaft zu verringern. Im Vorhaben INSPIRE werden für diesen Zweck vier Verfahren zur Bewertung und Erhöhung von IT-Sicherheit und Datenschutz entwickelt, die weitgehend passiv und unabhängig von den konkreten Netzkomponenten wirken. Da aus gesellschaftlicher Sicht Netze der Energieverteilung, der Energieerzeugung sowie von Behörden besonders schützenswert sind, werden diese Verfahren im Vorhaben anhand der drei Anwendungsfelder Smart Grid, Digitale Stadt und Industrie 4.0 in der Energieerzeugung konzipiert, entwickelt und erprobt. „Cottbus ist Herz und Motor des Strukturwandels” laut des Ministerpräsiden- ten Brandenburgs. Der Lehrstuhl IT-Sicherheit der BTU will seinen Beitrag dazu leisten, dass dies auch sicher und somit nachhaltig der Fall ist.

BMBF Projekt KISS_KI: Künstliche Intelligenz zum einfachen und übertragbaren Schutz kritischer Infrastrukturen (KISS_KI Simple & Scalable)

Partners: CodeWrights GmbH, @-yet GmbH, AUCOTEAM GmbH, Ing.-ges. Prof. Sieker mbH, Leibniz-Institut für innovative Mikroelektronik, Universität Lüneburg, Dahme-Nuthe Wasser-Abwasser Betriebsgesellschaft, Wasserverband Strausberg-Erkner.

Industriesteuerungs- und Automatisierungstechnik (ICS) wird heute aufgrund der fortschreitenden Vernetzung der OT-Systeme (Operational- Systems) wie Steuerungssysteme, Feldkommunikation, Scada-Systeme mit dem Internet bzw. den übergeordneten Steuerungsschichten mit gänzlichen neuen Bedrohungen konfrontiert. Dieses ist insbesondere für kritische Infrastrukturen (KRITIS), die besonders hohen Anforderungen hinsichtlich Verfügbarkeit und Zuverlässigkeit genügen müssen, von großer Bedeutung. Für einen ganzheitlichen und wirksamen Schutz dieser Anlagen müssen die Bedrohungen und deren konkrete Auswirkungen auf die KRITIS identifiziert, analysiert und unter Verwendung von geeigneten Verfahren der KI möglichst frühzeitig erkannt werden. Das Ziel des Vorhabens KISS_KI besteht darin, selbstlernende Angriffserkennungsalgorithmen für ein Netzmonitoring von Operational-Systemen, wie Steuerungssysteme, Feldkommunikation und Scada-Systeme, innerhalb der industriellen Anlagen der Wasserversorgungsbetriebe zu entwickeln und zu erproben.

BMBF Projekt WAIKIKI: Wissensbasierte Anomalieerkennung mittels Künstlicher Intelligenz in Kritischen Infrastrukturen (WAIKIKI)

Partners: TU Chemnitz, Lausitz Energie Kraftwerke AG (LEAG), RWE AG, STEAG GmbH, ASCORI GmbH & Co. KG, migosens GmbH, ZEDAS GmbH.

Mit dem Fokus auf Kommunikationsnetze im Bereich der Energieversorgung wird im Projekt WAIKIKI das Ziel verfolgt, innovative Verfahren für eine selbstlernende Erkennung von, durch Angriffe erzeugt, Anomalien zu entwickeln. Diese soll sowohl den hohen Verfügbarkeitsanforderungen dieser Netze gerecht werden, als auch offene Forschungsfragen auf dem Gebiet der Künstlichen Intelligenz (KI) adressieren. Hierzu wird ein netzbasiertes Analyseverfahren angestrebt, in dem selbstregulierende neuronale Netze mit klassischen maschinellen Lernverfahren kombiniert werden, um die Vorteile beider Ansätze optimal zu nutzen. Mithilfe eines visuellen Ansatzes werden den Anwendern die Ergebnisse präsentiert und erklärt. Dies führt zu effektivem Lernen vielfältiger und komplexer Netzkommunikation auf Basis weniger oder unvollständiger Trainingsdaten.

Die im Projekt entwickelte innovative Sicherheitslösung wird, durch die effiziente Selbstjustierung, über den ursprünglichen Anwendungsfall hinaus schnell an fremde Umgebungen, wie Netze anderer KRITIS-Sektoren, adaptierbar sein. Eine Nutzung über den konkreten Anwendungsfall hinaus ist bereits in der Planung des Projekts angelegt. Die visuelle Darstellung der Analyseergebnisse soll zudem zu einer Nachvollziehbarkeit der Ergebnisse des KI-Systems durch Menschen beitragen, womit ein wertvoller Beitrag für einen transparenten und somit gesellschaftlich tragfähigen Einsatz geleistet wird. Perspektivisch können die Ergebnisse zu einer Absicherung verschiedener Kritischer Infrastrukturen und somit zur digitalen Souveränität beitragen.

Unsere Webseite verwendet Cookies. Diese haben zwei Funktionen: Zum einen sind sie erforderlich für die grundlegende Funktionalität unserer Website. Zum anderen können wir mit Hilfe der Cookies unsere Inhalte für Sie immer weiter verbessern. Hierzu werden pseudonymisierte Daten von Website-Besuchern gesammelt und ausgewertet. Das Einverständnis in die Verwendung der technisch nicht notwendigen Cookies können Sie jeder Zeit wiederrufen. Weitere Informationen erhalten Sie auf unseren Seiten zum Datenschutz.

Erforderlich

Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

Statistik

Für den Zweck der Statistik betreiben wir die Plattform Matomo, auf der mittels pseudonymisierter Daten von Websitenutzern der Nutzerfluss analysiert und beurteilt werden kann. Dies gibt uns die Möglichkeit Websiteinhalte zu optimieren.

Name Zweck Ablauf Typ Anbieter
_pk_id Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo
_pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo
_pk_ses Kurzzeitiges Cookie, um vorübergehende Daten des Besuchs zu speichern. 30 Minuten HTML Matomo