Art der Arbeit: Masterarbeit

Fachlicher Hintergrund:

Am Lehrstuhl f├╝r Informations- und Kommunikationsdienste wurde die Sicherheit von Geb├Ąudeinstallationen untersucht. Insbesondere der KNX-Installationsbus im Konrad-Zuse-Haus bietet ein reiches Bet├Ątigungsfeld. ├ťber den Bus werden Sensoren (z.B. Lichtschalter, Bewegungsmelder) mit Aktoren (z.B. Leuchten, Jalousien, Heizungen) verbunden. In vorangegangenen Untersuchen wurde gezeigt, wie die Daten aus dem Hausbus gewonnen werden k├Ânnen. Dabei sind gr├Â├čere Datenmengen angefallen. In den gespeicherten Telegrammen sind Ereignisse von Schaltern und Bewegungsmeldern ├╝ber mehrere Wochen gespeichert. Die Daten sollen in dieser Masterarbeit untersucht werden.

Aufgabenbeschreibung:

Bisherige Untersuchen blieben bez├╝glich der Verfahren zum Data Mining in den gewonnenen Daten an der Oberfl├Ąche. Es wurden erste Untersuchungen mit Particle Filtern ausgef├╝hrt. Ferner wurden einfache Verfahren f├╝r Intrusion Detection Systeme aus dem Bereich "Netzwerksicherheit" in diesem Anwendungsgebiet angewendet.

Im Rahmen dieser Masterarbeit sollen die anwendbaren Verfahren tiefer erforscht werden und ggfs. exemplarisch angewendet werden.

M├Âgliche Arbeitsschritte f├╝r eine Bachelorarbeit:

  • Einarbeitung in den fachlichen Hintergrund (Verst├Ąndnis der Datenquellen, Grundverst├Ąndnis Geb├Ąudeautomation).
  • Erstellen einer ├ťbersicht ├╝ber verf├╝gbare Verfahren des Data Mining, die f├╝r die gegebenen Aufgaben geeignet zu sein scheinen.
  • Untersuchung der Verwendbarkeit der Verfahren.
  • Untersuchung m├Âglicher Schl├╝sse, die mit Hilfe der verf├╝gbaren Daten und Verfahren ziehen kann.
  • Exemplarische ├ťberpr├╝fung einzelner Verfahren als Prototyp.
  • Auswertung der Experiment und Schlussfolgerungen zur Sicherheit des Installationsbusses.

Die genaue Festlegung des Themas erfolgt in Abstimmung mit den Betreuern unter Ber├╝cksichtigung eventuell schon an andere Studenten vergebener Themengebiete. Eine gemeinsame Bearbeitung verschiedener Teilthemen durch mehrere Studenten ist unter Umst├Ąnden m├Âglich. 

Literatur und Ressourcen:

  • Aggarwal, C. C. (Editor), Managing and Mining Sensor Data, Springer, 2013
  • Bramer, M. Principles of data mining, Springer, 2013
  • Rashid, M. M.; Gondal, I. & Kamruzzaman, J. Regularly Frequent Patterns Mining from Sensor Data Stream Neural Information Processing, 2013, 417-424
  • Gupta, M.; Gao, J.; Aggarwal, C. & Han, J. Outlier detection for temporal data: A survey IEEE, 2013
  • Mundt, T.; Kruger, F. & Wollenberg, T. Who Refuses to Wash Hands? Privacy Issues in Modern House Installation Networks Proceedings of the 2012 Seventh International Conference on Broadband, Wireless Computing, Communication and Applications, 2012, 271-277

Betreuer: Dr. Thomas Mundt (thm(at)informatik.uni-rostock.de)

Voraussetzungen: