Machine Learning for Computer SecurityModulbeschreibung #41101 / Version 1
- 6 LP
- Schriftliche Prüfung
- Benotet
- Sommersemester
- Englisch
| Modul / Version | #41101 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2023 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Rieck, Konrad |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34353000 FG Maschinelles Lernen und IT-Sicherheit |
Kontakt
| Sekretariat | Keine Angabe |
|---|---|
| Ansprechpartner*in | Rieck, Konrad |
| E-Mail-Adresse | rieck@tu-berlin.de |
| Webseite | https://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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning for Computer Security | Integrierte Veranstaltung | Sommersemester | [en] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Machine Learning for Computer Security (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| Bearbeitung der Übungsaufgaben | 10 | 4 h | 40 h |
| Vorbereitung zur Prüfung | 1 | 20 h | 20 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.
- Hilfreich, aber nicht zwingend erforderlich: Grundkenntnisse im maschinellen Lernen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 90 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2025/26 | Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| SoSe 2026 | Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Computer Science (Informatik) StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems |
| WiSe 2025/26 | Studiengebiete › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Studiengebiete › Kognitive Systeme / Cognitive Systems | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering | |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2025 | Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks |
| WiSe 2025/26 | Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering | |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Verteilte Systeme und Netze / Distributed Systems and Networks | |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering |
Sonstiges
Keine Angabe