Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Learning for Computer SecurityModulbeschreibung #41101 / Version 1

← Zur Modulseite English version
Modul / Version#41101 / #1
GültigkeitSeit SoSe 2023
Verfügbare Sprache(n)Englisch
Leistungspunkte6
Modulverantwortliche*rRieck, Konrad
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353000 FG Maschinelles Lernen und IT-Sicherheit

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inRieck, Konrad
E-Mail-Adresserieck@tu-berlin.de
Webseitehttps://mlsec.tu-berlin.de

Lernergebnisse

Die Studierenden haben ein umfassendes Verständnis für die Kombination von maschinellem Lernen und IT-Sicherheit. Sie sind in der Lage, Merkmalsräume für Sicherheitsdaten zu entwerfen und geeignete Lernkonzepte sowie Algorithmen auszuwählen. Sie können lernbasierte Systeme für die Erkennung von Angriffen, die Analyse von Schadcode und die Entdeckung von Schwachstellen entwickeln. Sie verstehen Sicherheitsbedrohungen wie Poisoning und Evasion und kennen Gegenmaßnahmen, um diese zu entschärfen. Sie verstehen die ethischen Implikationen der Anwendung von lernbasierten Systemen in der Praxis.

Lehrinhalte

Grundlagen des maschinellen Lernens für die IT-Sicherheit; Merkmalsräume und Einbettungen; Erkennung von Angriffen und Eindringlingen; Schadcode-Analyse; Entdeckung von Schwachstellen; Deanonymisierungsangriffe; Poisoning und Evasion von Sicherheitssystemen; Konzepte des unüberwachten und überwachten Lernens für die Sicherheit; Algorithmen für die Klassifizierung, die Erkennung von Anomalien, das Clustering und die Dimensionsreduzierung von Sicherheitsdaten; Grundsätze der Versuchsplanung

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Learning for Computer SecurityIntegrierte Veranstaltung Sommersemester[en]4 ISIS

Arbeitsaufwand und Leistungspunkte

Machine Learning for Computer Security (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung154 h60 h
Bearbeitung der Übungsaufgaben104 h40 h
Vorbereitung zur Prüfung120 h20 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Dieser integrierte Kurs besteht aus einer Vorlesung in Kombination mit Übungsaufgaben. Letztere erfordern das selbständige Lösen von Programmieraufgaben unter Anleitung.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Sehr empfehlenswert: Programmierkenntnisse in Python; Grundkenntnisse im Bereich IT-Sicherheit
- Hilfreich, aber nicht zwingend erforderlich: Grundkenntnisse im maschinellen Lernen.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch
Dauer/Umfang90 minutes

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Eine Anmeldung ist nicht erforderlich aber hilfreich zur Planung. Eine Anmeldung zum Kurs ist auf der Lehrplattform ISIS möglich.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks
SoSe 2026Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
WiSe 2025/26Studiengebiete › Data and Software Engineering / Data and Software Engineering
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Verteilte Systeme und Netze / Distributed Systems and Networks
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2025Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
WiSe 2025/26Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering

Sonstiges

Keine Angabe