Machine Learning and Security - Master SeminarModulbeschreibung #41104 / Version 1
- 3 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
| Modul / Version | #41104 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2023 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 3 |
| 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
Im Rahmen des Seminars erwerben die Studierenden folgende Fähigkeiten:
- wissenschaftliche Literatur kritisch zu analysieren und zu verstehen
- effektiv wissenschaftliche Präsentationen zu halten sowie
- klare und präzise wissenschaftliche Berichte zu verfassen.
Darüber hinaus analysieren die Studierenden aktuelle und fortgeschrittene Forschungsthemen im Bereich maschinelles Lernen und IT-Sicherheit. Sie können über die technischen und ethischen Auswirkungen von Sicherheit auf Gesellschaft und Politik reflektieren.
- wissenschaftliche Literatur kritisch zu analysieren und zu verstehen
- effektiv wissenschaftliche Präsentationen zu halten sowie
- klare und präzise wissenschaftliche Berichte zu verfassen.
Darüber hinaus analysieren die Studierenden aktuelle und fortgeschrittene Forschungsthemen im Bereich maschinelles Lernen und IT-Sicherheit. Sie können über die technischen und ethischen Auswirkungen von Sicherheit auf Gesellschaft und Politik reflektieren.
Lehrinhalte
Das Seminar befasst sich mit aktuellen Themen des maschinellen Lernens und der IT-Sicherheit. Dazu gehören
- aktuelle Ansätze zum Auffinden von Sicherheitslücken, zur Analyse von Schadsoftware, zur Erkennung von Angriffen, zur Erforschung von Datenschutz-Lücken und anderen Sicherheitseigenschaften, sowie
- neue Angriffe und Verteidigungsmaßnahmen im Bereich des maschinellen Lernens, Evasion- und Poisoning-Angriffe, Membership-Inference und andere Angriffe auf die Privatsphäre sowie völlig neuartige Angriffe auf lern- und datengestützte Systeme.
- aktuelle Ansätze zum Auffinden von Sicherheitslücken, zur Analyse von Schadsoftware, zur Erkennung von Angriffen, zur Erforschung von Datenschutz-Lücken und anderen Sicherheitseigenschaften, sowie
- neue Angriffe und Verteidigungsmaßnahmen im Bereich des maschinellen Lernens, Evasion- und Poisoning-Angriffe, Membership-Inference und andere Angriffe auf die Privatsphäre sowie völlig neuartige Angriffe auf lern- und datengestützte Systeme.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Master Seminar: Machine Learning and Security | Seminar | Winter- und Sommersemester | [en] | 2 | WiSe 2026/27 (2) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Master Seminar: Machine Learning and Security (Seminar) 2
- Master Seminar: Machine Learning and Security (Seminar) ALMO: Attacks on Large Language Models (Intro)
- Master Seminar: Machine Learning and Security (Seminar) ALMO: Attacks on Large Language Models (Presentations)
Arbeitsaufwand und Leistungspunkte
Master Seminar: Machine Learning and Security (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Erstellung der Seminararbeit | 1 | 50 h | 50 h |
| Vorbereitung der Präsentation | 1 | 25 h | 25 h |
| Aktive Teilnahme | 10 | 1 h | 10 h |
| Reviews | 1 | 5 h | 5 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 90 Stunden. Damit umfasst das Modul 3 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Die Studierenden lesen aktuelle und fortgeschrittene Forschungsarbeiten, bereiten einen Vortrag vor und schreiben eine Seminararbeit. Sie prüfen weiterhin die Arbeiten anderer Studierenden als Review. Weiterhin nehmen die Studierenden an den Vorträgen der anderen teil. Hinweis: Je nach Terminlage können die Vorträge statt im üblichen Wochenrhythmus auch in Blockveranstaltungen gegen Ende des Semesters gehalten werden. Einzelheiten werden in der Einführungsveranstaltung bekannt gegeben.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
- Gute Kenntnisse in maschinellem Lernen und/oder IT-Sicherheit werden dringend empfohlen.
- Je nach Thema des Seminars bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute Vorbereitung auf den Kurs.
- Je nach Thema des Seminars bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute Vorbereitung auf den Kurs.
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 |
|---|---|---|---|
| Seminararbeit | 45 | schriftlich | 6-8 Seiten |
| Präsentation | 45 | mündlich | 30 Minuten |
| Reviews | 10 | schriftlich | 2-3 Seiten |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Note des Seminars errechnet sich aus der Seminararbeit (45%) und der Präsentation (45%). Zusätzlich fließen die Reviews mit 10% ein. Die Gesamtbewertung basiert auf der wissenschaftlichen, strukturellen und sprachlichen Qualität sowie dem Umfang der verschiedenen Prüfungselemente.
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 Anmeldungen für das Seminar werden über die Lehrplattform ISIS abgewickelt.
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