Machine Learning for Anomaly Detection in Stream Data

Die automatisierte Verarbeitung großer Datenmengen stellt Unternehmen häufig noch vor Probleme. Dies gilt insbesondere für die Nutzung maschineller Lernverfahren zur Analyse dieser Daten zur Informationsgenerierung. Neue Methoden zur Integration, Speicherung und einem effizienten Zugriff sowie die wachsende Rechenleistung ermöglichen den Einsatz von Analyseverfahren, deren Ausführung bisher zu ressourcenintensiv für einzelne Unternehmen war.

Anwendungsfall 1:
Integration von Geschäftsdaten

Bedingt durch historisch gewachsene Systemlandschaften und die damit einhergehende dezentrale Organisation von Informationssystemen zeichnen sich Geschäftsdaten durch eine hohe Heterogenität aus. Somit müssen für eine Analyse einzelner Geschäftsfelder die dafür relevanten Datenquellen zunächst integriert werden, um die Informationen konsistent abfragen zu können.

Anwendungsfall 2:
Auswertung von Texten

Schwerpunkt soll die Anwendung von maschinellen Lernverfahren bei der automatischen semantischen Analyse von Text sein. Die bisher in diesem Bereich eingesetzten Verfahren lassen sich in regelbasierte und statistische Ansätze unterscheiden. Beide Ansätze schließen sich nicht gegenseitig aus und werden bei konkreten Text Mining Anwendungen in der Praxis meist miteinander kombiniert.

Anwendungsfall 3:
Anomalieanalyse und Angriffserkennung

Unbekannte Bedrohungen durch unentdeckte Schwachstellen und Schadsoftware stellen eine Herausforderung für die derzeitige IT-Sicherheit dar. Insbesondere IoT-Geräte, welche sich jahrzehntelang im Einsatz befinden, sind hiervon betroffen. Hinzu kommt das Schadenspotenzial eines erfolgreichen Angriffs auf diese Geräte, denn sie übernehmen Aufgaben in allen erdenklichen Gebieten des Alltags.

MINDSET partners

Ziele

Das Projektvorhaben verfolgt die Entwicklung eines interdisziplinären Ansatzes zur echtzeitnahen, automatisierten Verarbeitung von Daten zur Informationsgewinnung mittels ML-Verfahren.

Erprobung und Demonstration

Primärziel dieses InnoTeam-Vorhabens ist die Erforschung, Konzeption und Erprobung neuer Verfahren und Technologien auf Basis der Anwendungsfälle unter besonderer Zuhilfenahme von ML-Technologien

Referenzarchitektur und Methodenentwicklung

Die interdisziplinäre Entwicklung von Methoden und Architekturen und zur gemeinsamen Erarbeitung neuer Inhalte soll durch die gemeinsame Entwicklung eines architekturellen und methodischen Grundgerüsts gefördert werden.

Projekt- bzw. Geschäftsmodellentwicklung

Auf Basis dieser Gemeinsamkeiten sollen konkrete Ideen zu Folgeprojekten oder neuen Geschäftsmodellen erarbeitet und damit die Nachhaltigkeit des Projektvorhabens gefördert werden.

Fortbildungs- und Qualifizierungsmaßnahmen

Es werden geeignete Aktivitäten definiert und während der Projektdauer ausgeführt, zur Sicherstellung des interdisziplinären Wissens- und Erfahrungsaustauschs sind darüber hinaus regelmäßige Workshops geplant

Aktuelles

7. Leipziger Semantic Web Tag (LSWT2019)

Der Leipziger Semantic Web Tag (LSWT) bietet seit 2009 WissenschaftlernInnen, Unternehmen und Organisationen die Möglichkeit, sich zu Themen im Bereich semantischer Technologien auszutauschen. Diese Schwerpunkte werden im Rahmen von Vorträgen durch ExpertenInnen aus Industrie und Wissenschaft demonstriert (Programm). Falls Sie weitere Fragen haben können Sie sich auch gerne an das Organisations-Team wenden. Das InfAI organisiert…