Machine Learning and IT-Security

Worum geht's

Du erhältst einen Überblick über die Schnittstelle von Machine Learning und IT-Security. Du lernst, wie ML-Systeme zur Erkennung von Angriffen oder Spam/Malware eingesetzt werden, wie ML-Systeme selbst angegriffen und verteidigt werden können, und wie Audio-Deepfakes erzeugt und erkannt werden. Am Ende kannst du Methoden zur Anomalieerkennung entwerfen, Angriffe auf ML-Systeme beschreiben und einfache Konzepte der Audio-Spoofing-Erstellung und -Detektion erklären.

Was du danach kannst

• Anwendungen von ML in der IT-Security überblicken
• Anomalieerkennungsalgorithmen verstehen und entwerfen
• Grundlagen der NLP-Anwendungen für Spam- und Malware-Erkennung kennen
• Angriffe auf ML-Systeme (white/grey/black box) beschreiben und klassifizieren
• Abwehrmaßnahmen gegen Angriffe auf ML-Systeme beschreiben und bewerten
• Konzepte von Audio-Deepfakes/Spoofing sowie relevante Feature-Extraktion (z. B. MFCC) verstehen

Aus was das Modul besteht

• VorlesungVermittlung der fachlichen Grundlagen und fortgeschrittenen Konzepte
• Übungsblätter (nicht benotet)Anwendung des Gelernten zur Vertiefung

Lehrmethode

• LectureVermittlung von Theorie und Konzepten
• Exercise SheetsVertiefung und praktische Anwendung; nicht benotet