Aktuelle Ausschreibungen

BA/MA: Python based SDR (Software defined radio) frequency monitoring

Ziel: Erkennung von Frequenzsprungverfahren (Frequency hopping) Aktivitäten in einem Frequenzbereich mit optionaler Aufzeichnung.
Möglicher Versuchsaufbau: Nutzung eines USB-SDR und einer Python-Library zur Datenverarbeitung auf einem handelsüblichen Endgerät (Laptop).

Anknüpfungspunkt: Erkennung von taktischen Datenlinks mit handelsüblicher Hardware.

Lukas Kaltenbach,

Sinclair Schneider,

Alexander Schwankner

BA/MA: NTP DDoS attacks and defenses

BA/MA: DNS DDoS attacks and defenses (+AI)

BA/MA: DDoS attack traffic analysis

BA/MA: Synthetic traffic generation and evaluation

BA/MA: Temporal Graph Neural Networks for Analyzing Cryptocurrency Transaction Graphs: Ransomware Payment Tracing & Money Laundering Detection

Mit dem Aufkommen von Kryptowährungen haben sich neue Möglichkeiten für Geldwäsche und Cyberkriminalität entwickelt – insbesondere durch den Einsatz komplexer Transaktionsmuster bei Ransomware-Zahlungen. Ziel dieser Masterarbeit ist es, den Einsatz von Temporal Graph Neural Networks (TGNNs) zur Analyse solcher Kryptowährungs-Transaktionsgraphen zu untersuchen.

Inhalte der Arbeit:

• Einführung in Transaktionsgraphen (z. B. Bitcoin)
• Überblick über typische kriminelle Muster (z. B. Mixing, Peel Chains)
• Grundlagen und Architektur von TGNNs
• Literaturüberblick zu TGNNs für Blockchain-Analyse
• Implementierung eines ausgewählten TGNN-Modells auf Basis öffentlich zugänglicher Daten
• Diskussion von Ergebnissen, Grenzen und Forschungslücken

Voraussetzungen: Interesse an Blockchain-Technologien, Machine Learning und Netzwerkanalyse. Erste Programmiererfahrung in Python wird vorausgesetzt.

BA/MA: Predicting Cellular Network Traffic Load using Temporal Graph Neural Networks

Die effiziente Vorhersage von Verkehrslasten in Mobilfunknetzen ist entscheidend für Netzplanung, Kapazitätsmanagement und Energieoptimierung. In dieser Masterarbeit wird der Einsatz von Temporal Graph Neural Networks (TGNNs) untersucht, um zeitlich-dynamische Abhängigkeiten in zellulären Netzwerken zu modellieren und zukünftige Netzlasten präziser vorherzusagen.

Inhalte der Arbeit:

• Einführung in Mobilfunknetzwerke und typische Traffic-Metriken
• Überblick über bestehende Ansätze zur Traffic Load Prediction
• Grundlagen von GNNs und TGNNs
• Literaturrecherche zu TGNN-Anwendungen im Mobilfunkbereich
• Implementierung eines TGNN-Modells zur Lastvorhersage
• Bewertung und Diskussion der Ergebnisse

Voraussetzungen: Grundkenntnisse in Machine Learning und Deep Learning, Interesse an Mobilfunknetzen und Erfahrung mit Python (z. B. PyTorch).

BA/MA: Large Language Models for Training-Data-Generation

• Untersuchung synthetischer und teil-synthetischer Datengenerierung (Modelle, Prompts, Frameworks)
• Analyse bestehender Ansätze wie SELF-INSTRUCT und airoboros
• Erstellung und Evaluation eines kleinen Demonstrators

Voraussetzungen: Interesse an NLP, Python-Kenntnisse, Erfahrung im maschinellen Lernen von Vorteil.

MA: Design und Evaluation leichtgewichtiger Large Language Models zur realitätsnahen Simulation sprachbasierter Social-Engineering-Interaktionen in Voice-Honeypot-Systemen

Entwicklung und Evaluation eines kompakten, dialogfähigen LLM-Modells für simulierte Voice-Honeypot-Umgebungen.

Inhalte der Arbeit:

• Einführung in LLM-basierte Social-Engineering-Techniken
• Benchmarking bestehender LLMs hinsichtlich Dialogqualität
• Model Compression und Distillation
• Entwicklung eines steuerbaren LLM-Demonstrators
• Evaluation der Glaubwürdigkeit in realitätsnahen Szenarien

Voraussetzungen: Grundkenntnisse in Machine Learning und NLP, Erfahrung mit PyTorch oder HuggingFace von Vorteil.

MA: Konzeption und prototypische Implementierung eines datenschutzkonformen Voice-Honeypot-Systems zur Erfassung und Analyse sprachbasierter Social-Engineering-Angriffe

Inhalte der Arbeit:

• Einführung in Voice-Honeypots und rechtliche Rahmenbedingungen
• Techniken zur Sprach- und Textanonymisierung (z. B. Speaker De-ID, Named Entity Removal)
• Vergleich und Evaluation bestehender Ansätze
• Implementierung eines prototypischen Honeypot-Systems
• Testbetrieb mit simulierten Angreiferinteraktionen

Voraussetzungen: Interesse an IT-Sicherheit, Sprachtechnologie und Datenschutz. Erfahrung mit Python, Speech-to-Text-APIs oder Audioverarbeitung hilfreich.