FLEIS - Federated Learning Enhancing IT Security

DIE AUFGABE

Die proaktive Abwehr von digitalen Bedrohungen kann durch Erkennen von Angriffsmustern deutlich verbessert werden. Die meisten Systeme arbeiten heutzutage noch autark mit vordefinierten Heuristiken bzw. Signaturen und tauschen sich nicht über ihre Erkenntnisse aus. In diesem Forschungsvorhaben wird die datenschutzkonforme Zusammenschaltung der Erkennung digitaler Bedrohungen, die dafür notwendigen Methoden für die Identifikation und die Analyse von digitalen Bedrohungen durch modulare Künstliche Intelligenz (KI) mit Federated Learning (FL) entwickelt.

Projektpartner

Förderung

Gefördert durch das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie im Rahmen des FuE-Programms IuK des Freistaates Bayern

Ausgangslage

Cybersecurity ist in vielen Unternehmen noch nicht auf dem neuesten Stand, insbesondere wegen einer nicht an die Herausforderungen digitaler Bedrohungen angepassten IT-Landschaft. Die zunehmende Vernetzung, die einen immensen Datenfluss aus externen und potenziell gefährlichen Quellen nach sich zieht, vergrößern die Herausforderungen erheblich.

Aufgaben und Ziel

Kernziel des Vorhabens ist die Zusammenschaltung von verteilten Knoten in der IT-Sicherheit zum KI-gestützten Austausch und Erlernen von Angriffsheuristiken (Federated Machine Learning).

Das Projektteam

Trevisto AG
Itwatch GmbH
Universität der Bundeswehr München

Ihr Ansprechpartner

Oliver Fuhrmann

Head of Business Development

Trevisto AG
Nunnenbeckstraße 6/8
90489 Nürnberg

oliver.fuhrmann@trevisto.de
T +49 911 430 839 00