Home | english  | Impressum | Datenschutz | Sitemap | KIT

Kontakt
Karlsruher Institut für Technologie
Lehrstuhl für Interaktive Echtzeitsysteme

Prof. Dr.- Ing. Jürgen Beyerer
c/o Technologiefabrik
Haid-und-Neu-Str. 7
76131 Karlsruhe

Tel:  +49 721 - 608 45910
Fax: +49 721 - 608 45926

Willkommen am Lehrstuhl für Interaktive Echtzeitsysteme

IES

Prof. Dr.-Ing. J. Beyerer

Aktuell

*Die ASB Vorlesung am Montag 23.12.19 findet nicht statt.

 

Klausur Automatische Sichtprüfung und Bildverarbeitung

Die schriftliche Prüfung im Fach ASB wird am Montag, 24.02.2020 - 14:00 bis 16:00 Uhr in Hörsaal Gerthsen stattfinden.

Klausur Mensch-Maschine-Wechselwirkung
•    Schriftlich Prüfung: Prüfungsdauer 60 Minuten, Gesamtdauer 90 Minuten
•    Ort: Gaede-Hoersaal
•    Termine:
        o    31. März 2020, 11 Uhr (Anmeldung über Campus-Management bis 24. März)
        o    29. Juli 2020, 11 Uhr (Nachholtermin, Anmeldung über Campus-Management bis 22. Juli)

Probabilistiche Planung

Bitte beachten Sie, dass die Vorlesung Probabilistische Planung nicht länger angeboten wird. Die Unterlagen zur letzten Vorlesungsreihe finden sie hier.

Neue Adresse

Der Lehrstuhl ist an einen neuen Standort in der Technologiefabrik umgezogen.

Lehrbuch zur Mustererkennung

Am 11. Dezember 2017 erschien das Lehrbuch "Beyerer, Richter, Nagel: Pattern Recognition: Introduction, Features, Classifiers and Principles". Weitere Information finden Sie auf der Seite des De Gruyter Verlags.

Vorlesungsangebot
Das Vorlesungsangebot des Lehrstuhls finden Sie hier.

Lehrbuch zur Automatischen Sichtprüfung
Am 30. September 2012 erschien das Lehrbuch "Beyerer, Puente León, Frese: Automatische Sichtprüfung, Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung". Weitere Information finden Sie auf der Lehrbuch-Seite oder auf der Seite vom Springer-Verlag.

Karlsruher Zentrum für Materialsignaturen
Der Lehrstuhl für Interaktive Echtzeitsysteme hat sich mit anderen Instituten des KIT und dem Fraunhofer IOSB zum Karlsruher Zentrum für Materialsignaturen KCM zusammengeschlossen. Weitere Informationen finden Sie auf der Seite des KCM.

Bachelor-, Master-, Studien- und Diplomarbeiten zu vergeben: Weitere Informationen finden Sie hier.

 
 
Adversarial Machine Learning for Intrusion Detection Systems in Industrial Networks
Typ:

Masterarbeit

Betreuer:

M.Sc. Ankush Meshram

Status:

zu vergeben

Möglicher Beginn:

ab sofort

Adversarial Machine Learning (ML) aims to fool the trained Machine Learning model with malicious inputs to test its robustness. Adversarial Examples (AE) generated to target classification task on relatively simple ML models can be transferred to other complex ML models. There are different threat models based on the level of knowledge of the attacker: White-box, Black-box and their combined variations. Defenses against these AE have been extensively researched: Adversarial Training, Defensive Distillation, etc. However, all of these counter-defenses fail to completely protect ML models against AEs.

 

ML-based intrusion detection system (IDS) in industrial networks are on the rise to counter ever-evolving cyber threats with malicious intent to harm industrial control systems (ICS). IDS in ICS can be classified based on detection techniques and the characteristic of ICS: protocol analysis-based, traffic mining-based, and control process analysis-based.

 

ML-based intrusion detection can become more robust when they are able to find the weakness within their models with Adversarial ML. At Fraunhofer IOSB, within Research Group Securely Networked Systems of Department Information Management and Production Control (ILT) we aim to build a platform to generate AEs for Network IDS.

 

Tasks:

  • Explore methods to generate AEs within Industrial Network Security domain
  • Develop collection of AEs for different IDS types and evaluate their effectiveness

 

Contact
Ankush Meshram, ankush.meshram@kit.edu
Anne Borcherding,  anne.borcherding@iosb.fraunhofer.de
Markus Karch, markus.karch@iosb.fraunhofer.de