4212 Deep Learning for IT-Security
FT, MSc Cyber-Sicherheit
6 ECTS, Vorlesung + Seminar
Link zur Veranstaltung in ILIAS - TBA
In den letzten zehn Jahren hat die Verfügbarkeit größerer Datenmengen und besserer Rechenressourcen zu einer Revolution im maschinellen Lernen geführt, die zu den so genannten Deep-Learning-Architekturen geführt hat. Diese Algorithmen können eine höhere Klassifizierungsgenauigkeit bieten oder sehr realistische synthetische Bilder oder Audios erzeugen.
Dieser Kurs beginnt mit einem Überblick über die wichtigsten Unzulänglichkeiten traditioneller Algorithmen des maschinellen Lernens als Motivation für Deep-Learning-Architekturen (DL). Es werden die grundlegenden Bausteine von DL-Algorithmen vorgestellt: die Entwicklung vom einfachen Perzeptron zu mehrschichtigen neuronalen Netzen sowie Techniken zur Regularisierung, Normalisierung und Optimierung des Trainings dieser großen Netze. Spezialisierte Architekturen für Computer Vision (z.B. CNNs) und Sequenzverarbeitung (z.B. LSTMs), generative KI (z.B. GANs) und Multi-Input/Output-Netzwerke stehen im Mittelpunkt der folgenden Kapitel. Praktische Beispiele in Python werden während des Kurses vorgestellt, um den Studenten praktische Erfahrungen zu vermitteln. Darüber hinaus werden Beispiele für den Einsatz dieser Architekturen für IT-Sicherheitsanwendungen diskutiert.
In dem Seminar können die Studierenden aktuelle deep learning Architekturen implementieren und evaluieren. Die Studierenden werden aktuelle Herausforderungen des deep learnings und ihrer Anwendungen in der IT-Sicherheit analysieren, evaluieren und diskutieren, um neue Lösungen zu finden. Dafür werden sie fachliche Literatur und aktuelle Veröffentlichungen recherchieren.