KIASH (KI-gestützte Anomalieerkennung für Smart Homes - KIASH -; Datengenerierung und ML-basierte Anomalieerkennung innerhalb des Smart Home-Netzwerks)
Laufzeit: 01.07.2022 - 30.06.2025
Partner: KOBIL GmbH, Worms; Cleopa GmbH, Hennigsdorf; August-Wilhelm Scheer Institut für digitale Produkte und Prozesse gGmbH, Saarbrücken; eBusiness-KompetenzZentrum gUG, Kaiserslautern; Technische Universität Chemnitz
Förderkennzeichen: 16KIS1616
Förderung durch: Bundesministerium für Bildung und Forschung (BMBF)
Projektmittel (€): 174381
Kurzfassung
Durch die fortschreitende Digitalisierung und Vernetzung von ursprünglich analogen Mess- und Steuerungskomponenten in Smart Homes nehmen gezielte Manipulationsversuche und Fehlfunktionen in diesen zu. Durch den Zugriff und die Verschlüsselung von sensiblen Dateien durch Ransomware können finanzielle sowie persönliche Schäden entstehen. Durch KIASH werden Integratoren, Installateure, Elektrotechniker und Handwerksbetriebe befähigt, ihren Kunden ein Security-Monitoring für Smart Homes...Durch die fortschreitende Digitalisierung und Vernetzung von ursprünglich analogen Mess- und Steuerungskomponenten in Smart Homes nehmen gezielte Manipulationsversuche und Fehlfunktionen in diesen zu. Durch den Zugriff und die Verschlüsselung von sensiblen Dateien durch Ransomware können finanzielle sowie persönliche Schäden entstehen. Durch KIASH werden Integratoren, Installateure, Elektrotechniker und Handwerksbetriebe befähigt, ihren Kunden ein Security-Monitoring für Smart Homes anzubieten und so neue Wertschöpfungsprozesse inklusive einer einfachen digitalen Auftragsvergabe zu etablieren, ohne selbst über Kompetenz im KI- oder Security-Bereich verfügen zu müssen. Hierzu fehlen den Betrieben bisher Ressourcen wie Budget, Personal und Know-how. Das KIASH-Projekt setzt hier an, indem es mithilfe von KMU und wissenschaftlichen Partnern die KIASH-Security-Box entwickelt, welche mit intensiver Einbeziehung entsprechender Betriebe den Weg in die Anwendung findet.
Das Teilvorhaben der Hochschule Worms (HSW) im Projekt KIASH besteht im Wesentlichen aus der Versuchsdatengenerierung sowie Forschungsarbeiten im Bereich Machine Learning-/Heuristik-basierte Anomalieerkennung auf heterogenen IoT-Daten.» weiterlesen» einklappen
Veröffentlichungen
- Schorr, Victoria; Kamenev, Nikolai; Bleistein, Thomas et al.
- Power Consumption Analysis as a Detection Indicator for Cyberattacks on Smart Home Devices
Projektteam
- Steffen Wendzel
- Wissenschaftlicher Leiter
(Zentrum für Technologie und Transfer | ZTT)
- Thomas Weigold
- Wissenschaftlicher Mitarbeiter
(Zentrum für Technologie und Transfer | ZTT)
- Daniel Bub
- Mitarbeiter/in
(Zentrum für Technologie und Transfer | ZTT)