Direkteinstieg
RESEARCH AREA

Erkennungs- und Verteidigungsmechanismen für Bedrohungen

Photo by JESHOOTS.COM on Unsplash

Erkennungs- und Verteidigungsmechanismen für Bedrohungen

Künftige Erkennungsmechanismen für Angriffe müssen in der Lage sein, zuverlässig bisher unbekannte Bedrohungen zu erkennen, vorherzusehen und verständlich zu erklären. Dies erfordert insbesondere die Behandlung von aktuell verbreiteten und künftigen Angriffen und den Umgang mit Vermeidungstechniken (wie Verschleierung, Polymorphismus oder kleinvolumigen Tarnungsangriffen).

Die Anzahl an Falschmeldungen ("false positives") sollte niedrig sein: In Fällen, in denen Falschmeldungen häufig vorkommen, könnten Nutzer oder Systemadministratoren anfangen, Warnungen zu ignorieren oder - noch schlimmer - Erkennungslösungen permanent zu deaktivieren. Gleichzeitig dürfen moderne Erkennungs- und Vorbeugemechanismen keine kritischen Vorfälle verpassen. Erkennungsmethoden für Angriffe sollten durch geeignete Verteidigungsstrategien ergänzt werden, die idealerweise autonom durch das angegriffene System ausgewählt werden, insbesondere im Rahmen der Cyberkriegsführung. In den letzten Jahren hat sich dieses Forschungsgebiet vor allem auf die Erkennung und Analyse moderner Schadsoftware, auf die Verhinderung und Zuordnung von DDoS-Angriffen und auf die Identifikation und den Abbau neuer Systemsicherheitslücken konzentriert.

Mitglieder

Aktuelle Publikationen

Title Date Authors Meta
 2020
USENIX-Security
2020
 Stefano Calzavara, Sebastian Roth, Alvise Rabitti, Michael Backes, Ben Stock
 NRA5 , NRA3
 Proceedings of the 29th USENIX Security Symposium
 2020
IEEE S&P
2020
 Qingchuan Zhao, Chaoshun Zuo, Dolan-Gavitt Brendan, Giancarlo Pellegrino, Zhiqiang Lin
 NRA5 , NRA3
 IEEE Symposium on Security and Privacy
 2020
NDSS
2020
 Sebastian Roth, Timothy Barron, Stefano Calzavara, Nick Nikiforakis, Ben Stock
 NRA5 , NRA3
 NDSS 2020
 2020
NDSS
2020
 Giada Stivala, Giancarlo Pellegrino
 NRA5 , NRA3
 27th Annual Network and Distributed System Security symposium
 2020
2020
 Tribhuvanesh Orekondy, Bernt Schiele, Mario Fritz
 NRA1 , NRA3
 International Conference on Representation Learning (ICLR)