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

Faculty

Lokale Partner

Doktoranden

Aktuelle Publikationen

Title	Date	Authors
Complex Security Policy? A Longitudinal Analysis of Deployed Content Security Policies. 2020 NDSS	2020	Sebastian Roth, Timothy Barron, Stefano Calzavara, Nick Nikiforakis, Ben Stock NRA5 , NRA3 NDSS 2020
Deceptive Previews: A Study of the Link Preview Trustworthiness in Social Platforms 2020 NDSS	2020	Giada Stivala, Giancarlo Pellegrino NRA5 , NRA3 27th Annual Network and Distributed System Security symposium
Raccoon: Automated Verification of Guarded Race Conditions in Web Applications 2020	2020	Simon Koch, Tim Sauer, Martin Johns, Giancarlo Pellegrino NRA5 , NRA3 The 35th ACM/SIGAPP Symposium On Applied Computing
AdVersarial: Perceptual Ad Blocking meets Adversarial Machine Learning 2019 CCS	2019	Florian Tramèr, Pascal Dupré, Rusak Gili, Giancarlo Pellegrino, Dan Boneh NRA3 , NRA1 CCS 19
Adversarial Initialization - when your network performs the way I want - 2019	2019	Kathrin Grosse, Thomas A. Trost, Marius Mosbach, Michael Backes NRA2 , NRA3 ArXiv e-prints

RESEARCH AREA