Zu Hauptinhalt springen

Forschung

Auswahl aktueller Forschungserfolge


F?cher- und Department-übergreifende Forschungsschwerpunkte


Informationssicherheit

Beteiligte Departments der FIDS

  • Fachbereich Grundlagen der Informatik
  • Fachbereich Wirtschaftsinformatik

Forschungsthemen im Bereich Informationssicherheit

Forschungsarbeiten im Bereich Informationssicherheit haben eine hohe gesellschaftliche Relevanz und umfassen an der FIDS

  • Fragestellungen zum Einsatz von Verfahren des maschinellen Lernens in der Informationssicherheit und IT-Forensik,
  • Fragestellungen zur Absicherung von KI-Systemen gegen gezielte Angriffe,
  • Fragestellungen zu verteilten, treuh?nderischen Systemen,
  • Fragestellungen zur Erfassung und zum Austausch von Cyber Threat Intelligence sowie
  • Fragestellungen zu Cyber Ranges und zur Simulation von Angriffen und deren Abwehr.

Daneben werden an der FIDS angrenzende Forschungsthemen wie die Umsetzung des Rechts auf Privatheit und informationeller Selbstbestimmung bearbeitet (z. B. Fragestellungen zur Nutzerakzeptanz und zum individuellen Datenschutzverhalten sowie zum Wert von Privacy-Mechanismen). Die Umsetzung von Rechten rund um Privatheit und Datenschutz macht die Entwicklung neuer, erweiterter Anonymisierungs- und Pseudonymisierungsans?tze notwendig. Unter anderem dafür werden an der FIDS moderne, kryptographische Verfahren wie Post-Quantum-Kryptographie und deren Anwendung erforscht.


Explainable AI (XAI)

Beteiligte Departments der FIDS

  • Fachbereich Grundlagen der Informatik
  • Fachbereich Wirtschaftsinformatik
  • Fachbereich Bioinformatik
  • Fachbereich Maschinelles Lernen und Data Science
  • Fachbereich Menschzentrierte Informatik

Forschungsthemen im Bereich Explainable AI

Im Bereich Explainable AI (XAI) kombinieren alle Departments der FIDS verschiedene fachliche Schwerpunkte und komplement?re Methodenans?tze, um Fragestellungen aus theoretischer und angewandter Perspektive zu untersuchen.

Im Rahmen der theoretischen Perspektive werden mathematische, symbolische, statistische und informatische Grundlagen sowie neue Methoden erforscht, die es erm?glichen sollen, die Funktionsweise von künstlicher Intelligenz zu erkl?ren und statistische Daten zu interpretieren. {web_name} umfasst beispielsweise symbolische Methoden, die formale Begründungen/Interpretationen zu Ausgaben von AI-Systemen erm?glichen. Weiterhin erm?glicht das Gebiet der Differential Privacy, Methoden der AI einzusetzen, w?hrend die Privatsph?re von Nutzerinnen und Nutzern gewahrt wird.

Aufbauend auf diesen theoretischen Grundlagen werden Ans?tze des Explainable AI in verschiedenen Anwendungsbereichen entwickelt