Blogs on Cybersicherheit » Lamarr-Institut

||Password-Guessing-Algorithmen|Passwörter generieren||

Mit Deep-Learning Passwörter generieren

13. Oktober 2021

Menschen setzen Passwörter meist nicht zufällig, wodurch Systeme anfällig für Angriffe werden. In unserem Forschungsprojekt untersuchen wir Deep-Learning-Modelle, um neue, sicherere Passwörter zu generieren und die IT-Sicherheit in Unternehmen zu testen....

|Aufteilung des Datensatzes in Trainingsmenge|||

Anwendung

Vorfahrt für sicheres Maschinelles Lernen: Zur Robustheit Neuronaler Netze

14. Juli 2021

Feindliche Angriffe auf Vorhersagemodelle des Maschinellen Lernens, zum Beispiel beim autonomen Fahren, könnten zu großem (Personen-)Schaden führen. Mit Hilfe von Abwehrmechanismen können ML-Modelle geschützt und ihre Robustheit gegenüber Angriffen erhöht werden....

||Gewichte im Minimum des Verlustes nach dem Training und Ergebnisse des regularisierten Trainings|

Grundlagen

Abwehrspiel: Was können wir gegen Adversarial Examples tun?

12. Juli 2021

Software für Maschinelles Lernen ist für bestimmte Angriffe anfällig: So können künstlich veränderte Eingabedaten zum Versagen des zugrunde liegenden Modells führen. Wir stellen Techniken zur Entwicklung von adversarialer Robustheit vor....

Grundlagen

Was sind Adversarial Examples?

07. Juli 2021

Feindliche Angriffe beim maschinellen Lernen zielen darauf ab, Ausfälle in der Funktionalität der Modelle zu verursachen. Dieser Blogpost beschreibt die sogenannten „Adversarial Examples“, die fehlerhafte Vorhersagen neuronaler Netze verursachen....

KI-Absicherung Blogbeitrag|KI-Absicherung im autonomen Fahren|

Forschung

Der Weg zur abgesicherten KI: Ein Überblick über praktische Methoden

24. März 2021

Sicherheitskritische Systeme, wie beispielsweise selbstfahrende Autos, stellen neue, hohe Anforderungen an KI-Modelle. Vielerorts wird hierzu an Lösungsansätzen geforscht, ein umfassender Überblick wurde jetzt durch ein Übersichtspapier des Konsortiums „KI-Absicherung“ geschaffen....