Machine Learning-Verhaltensanalysen zur Erkennung von Gefahren aus dem Inneren der Infrastruktur im Smart City-Umfeld
Johannes Euler
* Affiliatelinks/Werbelinks
Links auf reinlesen.de sind sogenannte Affiliate-Links. Wenn du auf so einen Affiliate-Link klickst und über diesen Link einkaufst, bekommt reinlesen.de von dem betreffenden Online-Shop oder Anbieter eine Provision. Für dich verändert sich der Preis nicht.
Naturwissenschaften, Medizin, Informatik, Technik / Informatik
Beschreibung
Masterarbeit aus dem Jahr 2018 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1.0, Hochschule Reutlingen (ESB Business School), Sprache: Deutsch, Abstract: Die Masterthesis gibt einen Überblick über den Einsatz von Machine Learning-Verhaltensanalysen zur Erkennung von Gefahren aus dem Inneren im Kontext von Smart Cities. Dabei wurden im Rahmen einer Fallstudie drei verschiedene Digitalisierungsprojekte der Stadt Darmstadt ("IoT-Netz LoRaWAN", "Verkehrssteuerungsnetzwerk" und "digitales Krankenhaus") auf Gefahren aus dem Inneren und auf die Anwendbarkeit von Nutzer- und Entitätsverhaltensanalysen (UEBA) überprüft und miteinander verglichen. Hierfür wurden Interviews mit Experten aus Darmstadt qualitativ nach Mayring 2010 ausgewertet und in die Form einer Risikoprüfung nach Nostro et al. 2013, 2014 gebracht. Zusätzlich wurden bei jeder Analyseeinheit verwandte Fallstudien und theoretische Werke hinzugezogen.
Kundenbewertungen
Network Security, Internet der Dinge, IoT Security, LoRa, Machine Learning, User Entity Behavior Analytics, SIEM, Smart City, UEBA, Anomaly Detection, Netzwerk Security