Fraunhofer-Allianz Big Data
und Künstliche Intelligenz
Fraunhofer-Allianz Big Data
und Künstliche Intelligenz

KI-Projekte »Sicherheit«

© stevanovic igor – Fotolia

Verteilte Kameras und Sensorsysteme mit der Fähigkeit zur Mustererkennung und selbstständigem Lernen können Gelände überwachen, Auffälligkeiten bemerken, potenziell gefährliche oder unerlaubte Vorgänge im Keim erkennen und ständig weiterlernen. Auf Basis alter Vorkommnisse und Berichte können Gefahrprognosen erstellt und vorbeugende Einsätze geplant werden. Cyberabwehrsysteme erkennen auffällige Muster in IT-Systemen und veranlassen im Verdachtsfall automatisch Gegenmaßnahmen. Handels-, Finanztransaktions- und Abrechnungssysteme können überwacht und suspekte Transaktionen blockiert oder zumindest zur Kenntnis gebracht werden. 

Cognitive Security - Schutz vor Angriffen auf IT-Systeme

 

Von einem Angriff auf IT-Systeme können Milliarden von Anwender*innen, Geräten, Komponenten oder Installationen betroffen sein. Die Realzeitauswertung der schieren Datenmenge potenziell sicherheitsrelevanter Ereignisse braucht Technologien der Künstlichen Intelligenz und des Cognitive Computing. Methoden der Cognitive Security können „gutartiges“ abweichendes Verhalten von „bösartigem“ abweichendem Verhalten im Netz, vor allem im Internet, effektiver und effizienter unterscheiden und den Verteidigenden auf die Ausnutzung ihm unbekannter Zero-Days-Schwachstellen hinweisen.

Fraunhofer-Institut für Sichere Informationstechnologie SIT

 

 

© Fraunhofer SIT

Big-Data-Analysen für Cybersicherheit und Privatsphärenschutz

 

Zur Vorhersage von Straftaten und zur Steuerung des Einsatzes von Polizeikräften wertet »Predictive Policing« Big-Data-Sammlungen aus. »Social Media Forensics« unterstützt die Bildung von Personenprofilen beispielsweise zum Zweck der Strafverfolgung, wobei die besondere Herausforderung in der gleichzeitigen Wahrung der grundgesetztlichen Freiheitsrechte liegt. Dasselbe gilt für die Autorschaftserkennung auf Basis von großen Textsammlungen, für die es inzwischen praktikabel einsetzbare Verfahren gibt. Anwendungsszenario sind z.B. juristische Verfahren, bei denen festgestellt werden soll, ob bestimmte Personen die Verfasser*innen von rechtswidrigen Texten in sozialen Medien sind. Hierfür eignen sich vor allem KI-Methoden des maschinellen Lernens und der maschinellen Verarbeitung natürlicher Sprache.

Fraunhofer-Institut für Sichere Informationstechnologie SIT

 

 

© Fraunhofer SIT

Adaptive Wissensvermittlung bei Simulationen und Serious Games

 

Für eine nutzer*innenzentrierte Wissensvermittlung müssen Computersimulationen und digitale Lernspiele den Erfahrungs- und Wissensstand und die intrinsische Motivation der Nutzer*innen berücksichtigen. Eine externe, adaptive Lernkomponente muss die Nutzer*innen im sogenannten Flow-Kanal halten, ausbalanciert zwischen individuellen Herausforderungen und Fähigkeiten. Zur Realisierung werden Verfahren des maschinellen Lernens genutzt, etwa für eine maschinelle Erfassung und Analyse des Lernerzustands, für automatisches Szenenverstehen oder für die automatische Selektion und Erzeugung passender Inhalte.

Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

© ELAI Projektwebseite

Weiträumige Fahrzeugverfolgung

 

Neuartige Wide Area Motion Imagery (WAMI) Sensorik ermöglicht eine weiträumige Überwachung, da sie über eine hohe Bodenabdeckung bei gleichzeitig hohem Detailgrad verfügen. Am Fraunhofer IOSB werden Verfahren des maschinellen Lernens für die automatische Auswertung von WAMI Daten entwickelt. Anwendungsbeispiele sind u.a. die Detektion und Verfolgung von Personen und Fahrzeugen oder das Erkennen auffälliger Verhaltensmuster in mehreren Regionen in Echtzeit.

Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

© Fraunhofer IOSB

Frühzeitige Detektion von Drohnen

 

Durch den rasant wachsenden Markt stellen ferngesteuerte Drohnen ein ernst zunehmendes Sicherheitsrisiko für öffentliche Großveranstaltungen und für sicherheitsempfindliche Einrichtungen und Infrastrukturen wie Haftanstalten oder Flughäfen dar. Am Fraunhofer IOSB werden Verfahren zur frühzeitigen Detektion und Klassifikation von Drohnen entwickelt, die in Drohnenabwehr- bzw. -warnsystemen eingesetzt werden können. Hierbei werden klassische Verfahren mit Deep Learning Ansätzen kombiniert.

Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

© Fraunhofer IOSB

Personensuche in Bild- und Videoaufnahmen

 

Die Wiedererkennung von Personen in unterschiedlichsten Bild- und Videodaten ist eine wesentliche Aufgabe bei der Analyse großer Datenmengen. Ziel ist es anhand eines Anfrage-Beispiels die im Datenmaterial vorhandenen Personen nach Ähnlichkeit zur Anfrage zu sortieren, so dass sich ein Auswerter schnell auf relevante Segmente in den Daten fokussieren kann.
Am Fraunhofer IOSB werden Verfahren zur Wiedererkennung von Personen in großen Mengen von Kamera-Netzwerkdaten und Luftbildern entwickelt. Die Verfahren basieren auf Deep Learning Ansätzen und ermöglichen automatische und interaktive Suche in großen Datenbeständen.

Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

© Fraunhofer IOSB

Fahrzeugdetektion in Luftbildern

 


Durch den Einsatz von Helikoptern, Flugzeugen und in letzter Zeit vermehrt unbemannten Luftfahrzeugen stehen zunehmend mehr Luftbilddaten zur Verfügung, die zur Verkehrsüberwachung, -analyse und -planung oder zur Koordination von Such-und Rettungseinsätze dienen können. Grundlegend für diese Anwendungen ist eine effiziente Detektion von Fahrzeugen. Am Fraunhofer IOSB werden hierfür Verfahren für die automatische Detektion von Fahrzeugen in Luftbildern basierend auf Deep Learning Ansätzen entwickelt.

Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

© Fraunhofer IOSB