Maschinelles Lernen und Sicherheit - Fortgeschrittenen-ProjektModulbeschreibung #41220 / Version 2
- 9 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #41220 / #2 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Rieck, Konrad |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| 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
Nach Abschluss des Projekts verfügen die Studierenden über vertiefte Kenntnisse im Bereich des maschinellen Lernens und der IT-Sicherheit. Diese Kenntnisse umfassen sowohl praktische als auch theoretische Aspekte der behandelten Probleme. Die Studierenden 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. In beiden Fällen umfasst diese Anwendung eine theoriegestützte Analyse des Problems/Systems, einen Vergleich möglicher Ansätze sowie den Entwurf, die Implementierung und die Evaluation der gewählten Lösung für die Praxis. Hierbei reflektieren die Studierenden auch über ethische und gesellschaftliche Fragestellungen dieser Lösung.
Lehrinhalte
Die fortgeschrittenen Projekte werden stets auf die Anforderungen der Studierenden zugeschnitten und im Rahmen der aktuellen Forschung angeboten. Mögliche Themen für den ersten Forschungsbereich (i) sind lernbasierte Ansätze zur Erkennung von Schwachstellen, Schadcode und Datenschutzlücken. Mögliche Themen für den zweiten Bereich (ii) sind die Entwicklung von Angriffen und Verteidigungsmaßnahmen für lernende und datengetriebene Systeme. Hierbei werden insbesondere praktisch und/oder theoretisch anspruchsvolle Problemstellungen behandelt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning and Security - Advanced | Projekt | Winter- und Sommersemester | [en] | 6 | ISIS |
Arbeitsaufwand und Leistungspunkte
Machine Learning and Security - Advanced (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 fortgeschrittenen Projekt. Die Studenten arbeiten einzeln oder in Gruppen je nach Aufgabenstellung.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
- Eine ideale Voraussetzung ist der erfolgreiche Abschluss des Moduls "Machine Learning and Security - Project"
- Je nach Projekt werden vertiefte Kenntnisse im Bereich IT-Sicherheit und/oder maschinelles Lernen dringend empfohlen.
- Je nach Projekt bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute theoretische Vorbereitung.
- Je nach Projekt bieten die Praktika "Applied Security Lab" und "Smart Security Lab" eine gute praktische Vorbereitung.
- Je nach Projekt werden vertiefte Kenntnisse im Bereich IT-Sicherheit und/oder maschinelles Lernen dringend empfohlen.
- Je nach Projekt bieten die Vorlesungen "Machine Learning for Computer Security" und "Adversarial Machine Learning" eine gute theoretische Vorbereitung.
- Je nach Projekt bieten die Praktika "Applied Security Lab" und "Smart Security Lab" eine gute praktische 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 | 200h (siehe Prüfungsbeschreibung) |
| (Ergebnisprüfung) Dokumentation | 25 | schriftlich | 20-35 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 umfassen je nach Thema eine entwickelte Software, ein IT-System und/oder durchgeführte Experimente. Der Umfang entspricht einem Arbeitsaufwand von ca. 200 Stunden. Der Umfang des Quellcodes, etwa die Anzahl der Zeilen, fließt nicht in die Bewertung ein, da er keine Aussagekraft über die Qualität hat. Bewertet werden stattdessen: (1) Funktionalität, d.h. Korrektheit und Vollständigkeit der Implementierung, (2) Methodik, d.h. Eignung der gewählten Verfahren und Werkzeuge, (3) Reproduzierbarkeit der Ergebnisse, einschließlich Dokumentation und Testbarkeit, sowie (4) Qualität des Codes, der Projektstruktur und die Einhaltung gängiger Konventionen.
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 Praktikum werden über die Lehrplattform ISIS abgewickelt. Die Teilnehmenden des Projekts werden in der Regel in der ersten Woche des Semester ausgewählt.
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 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems |
| Computer Science (Informatik) StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Verteilte Systeme und Netze / Distributed Systems and Networks |
| Elektrotechnik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | 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