Maschinelles Lernen und Sicherheit - ProjektModulbeschreibung #41102 / Version 3
- 9 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v4)
| Modul / Version | #41102 / #3 |
|---|---|
| Gültigkeit | SoSe 2026 – SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Rieck, Konrad |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
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
Nach Abschluss des Projekts verfügen die Studierenden über fundierte Kenntnisse im Bereich des maschinellen Lernens und der IT-Sicherheit. Sie sind in der Lage, entweder (i) Lernalgorithmen auf fortgeschrittene Probleme/Systeme der IT-Sicherheit anzuwenden oder (ii) Prinzipien der Sicherheit auf Probleme/Systeme des maschinellen Lernens anzuwenden. Darüber hinaus sind sie in der Lage, entsprechende Lösungen zu entwerfen, zu entwickeln und zu evaluieren.
Lehrinhalte
Die Projekte werden stets auf die Anforderungen der Studierenden zugeschnitten und im Rahmen der aktuellen Forschung angeboten. Mögliche Themen für den ersten Zweig (i) sind lernbasierte Ansätze zur Erkennung von Schwachstellen, Schadcode und Datenschutzlücken. Mögliche Themen für den zweiten Zweig (ii) sind die Entwicklung von Angriffen und Verteidigungsmaßnahmen für lernende und datengetriebene Systeme.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning and Security Project | Projekt | Winter- und Sommersemester | [en] | 6 | WiSe 2026/27 (2) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Machine Learning and Security Project (Projekt) 2
- Machine Learning and Security (Projekt) RAID: Reproducing AI Attacks and Defenses
- Machine Learning and Security (Projekt) WORM: LLM-based Computer Worms
Arbeitsaufwand und Leistungspunkte
Machine Learning and Security Project (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Arbeit am Projekt | 1 | 200 h | 200 h |
| Erstellung des Berichts | 1 | 20 h | 20 h |
| Recherche | 1 | 20 h | 20 h |
| Treffen mit den Betreuenden | 5 | 2 h | 10 h |
| Vorbereitung der Präsentation | 1 | 20 h | 20 h |
| 270 h | |||
Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Das Modul besteht aus einem Projekt. Die Studenten arbeiten einzeln oder in Gruppen je nach Aufgabenstellung.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
- Je nach Projekt werden Kenntnisse im Bereich IT-Sicherheit und/oder maschinelles Lernen empfohlen.
- Je nach Projekt bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute Vorbereitung.
- Je nach Projekt bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute Vorbereitung.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch, Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Projektergebnisse | 50 | flexibel | siehe Prüfungsbeschreibung |
| (Ergebnisprüfung) Dokumentation | 25 | schriftlich | 10-25 Seiten |
| (Ergebnisprüfung) Präsentation | 25 | mündlich | 30 Minuten |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Note der Portfolioprüfung wird auf der Grundlage der Projektergebnisse, der Dokumentation und der Präsentation ermittelt. Die Projektergebnisse können je nach Thema des Projekts eine entwickelte Software, ein entwickeltes IT-System und/oder durchgeführte Experimente sein. Die Bewertung der Ergebnisse umfasst 50% der Note und wird nach Qualität und Umfang der Ergebnisse bestimmt. Weiterhin fließen die Dokumentation und die Präsentation jeweils mit einem Anteil von 25% in die Note ein.
Der Umfang der technischen Umsetzung (Projektergebnisse) hängt vom jeweiligen Projektthema ab und kann variieren. Eine Quantifizierung nach Umfang des Quellcodes (z.B. Anzahl der Codezeilen) erfolgt nicht, da diese für die Bewertung nicht aussagekräftig ist. Stattdessen stehen die Leistungsfähigkeit, Qualität und Nachvollziehbarkeit der Umsetzung im Vordergrund.
Der Umfang der technischen Umsetzung (Projektergebnisse) hängt vom jeweiligen Projektthema ab und kann variieren. Eine Quantifizierung nach Umfang des Quellcodes (z.B. Anzahl der Codezeilen) erfolgt nicht, da diese für die Bewertung nicht aussagekräftig ist. Stattdessen stehen die Leistungsfähigkeit, Qualität und Nachvollziehbarkeit der Umsetzung im Vordergrund.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 10.
Anmeldeformalitäten
Die Anmeldung erfolgt über die Website des Projekts.
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 2026 | Wahlpflicht Studiengebiet B › Verteilte Systeme und Netze / Distributed Systems and Networks |
| Computer Science (Informatik) StuPO 2015 | SoSe 2026 | Studiengebiete › Kognitive Systeme / Cognitive Systems |
| Elektrotechnik StuPO 2015 | SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | SoSe 2026 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
Sonstiges
Keine Angabe