Verbundprojekt: Datensicherheit im Internet der Dinge - SunRISE -; Teilvorhaben: Privacy-Preserving Machine Learning

Um eine umfassende Sicherheitslösung zu erhalten, adressiert SunRISE mehrere Schlüsselaspekte, die für zukünftige IoT-Systeme entscheidend sind. Der innovative Kern besteht in Mikroelektronik-Entwicklung für den Einsatz künstlicher Intelligenz in der Ausprägung von maschinellem Lernen in Kombination mit Privacy-enhancing-Technologien wie homomorpher Verschlüsselung. Die dadurch ermöglichte gemeinsame Nutzung von Security Intelligence-Daten von IoT Geräten bis hin zu Cloud-Backends führt zu einem größeren Datenbestand. Damit wird das maschinelle Lernen auf Ebene der Cloud und der Edge Nodes beschleunigt und die Gesamtsystemsicherheit steigt. Erkannte Sicherheitslücken oder laufende Angriffe werden schneller erkannt und die Zeit bis zur Behebung durch maschinell generierte Gegenmaßnahmen wird verkürzt. Die Gefahr des Verlustes vertraulicher Daten wird durch den Einsatz von Technologien zur Verbesserung der Privatsphäre, wie homomorpher Verschlüsselung entscha¨rft. Die Beiträge der Uni Ulm werden zu verbesserten und optimierten maschinellen Lernalgorithmen führen, die auf Edge Nodes in IoT-Systemen eingesetzt werden können. Ein Hauptziel ist es, den Schutz des KI-Modells für maschinelles Lernen auf dem Edge Node durchzusetzen. Dies erfordert Techniken wie die Entwicklung eines effizienten maschinellen Lernalgorithmus mit einem verschlüsselten/obfuszierten Modell.