Machine Learning-Verhaltensanalysen zur Erkennung von Gefahren aus dem Inneren der Infrastruktur im Smart City-Umfeld

Inhaltsverzeichnis

• Einleitung
• Motivation und Zielsetzung
• Projektrahmen
• Aufbau der Arbeit
• Grundlagen
• Gefahren aus dem Inneren
• Definiton
• Gefahren von bösartigen Insidern
• Unbeabsichtigte Insider Gefahren
• Erkennung und Vorbeugung
• Maschinelles Lernen in der Cybersicherheit
• Definitionen.
• Verhaltensanalysen von Nutzern und Entitäten
• Typische Anwendungsfälle von UEBA . .
• Cybersicherheit in Smart Cities
• IoT-Sicherheit .
• Datenschutz.
• Zusammenfassung und abgeleitete Thesen
• Methodische Vorgehensweise
• Fallstudie
• Qualitative Inhaltsanalyse
• Risikoprüfung
• Analyse und Ergebnis
• Fallinterne Analyse
• Low Power WAN in Form von LoRaWAN
• Intelligente Verkehrssteuerung
• Digitales Krankenhaus
• Fallübergreifende Analyse und Interpretation der Ergebnisse
• Fazit

Zielsetzung und Themenschwerpunkte

Diese Masterarbeit analysiert die Anwendung von Machine Learning-Verhaltensanalysen zur Erkennung von Gefahren aus dem Inneren im Kontext von Smart Cities. Die Studie konzentriert sich auf drei Digitalisierungsprojekte der Stadt Darmstadt, um die Anwendbarkeit und Herausforderungen von Nutzer- und Entitätsverhaltensanalysen (UEBA) zu untersuchen.

• Bewertung des Einsatzes von Machine Learning-Verhaltensanalysen zur Erkennung von Gefahren aus dem Inneren in Smart Cities.
• Analyse der spezifischen Herausforderungen und Möglichkeiten von UEBA in verschiedenen Smart City-Projekten.
• Entwicklung eines Modells zur Evaluation des Einsatzes von UEBA in Smart City-Szenarien.
• Untersuchung der ethischen und rechtlichen Aspekte von UEBA im Kontext von Datenschutz und Überwachung.
• Identifizierung von Best Practices und Empfehlungen für die Implementierung von UEBA in Smart Cities.

Zusammenfassung der Kapitel

Die Einleitung der Arbeit erläutert die Motivation und Zielsetzung sowie den Aufbau der Arbeit. Im Kapitel "Grundlagen" werden die Themen Gefahren aus dem Inneren, Maschinelles Lernen in der Cybersicherheit, Cybersicherheit in Smart Cities und die abgeleiteten Thesen behandelt. Die methodische Vorgehensweise beinhaltet die Beschreibung der Fallstudie, der qualitativen Inhaltsanalyse und der Risikoprüfung. Das Kapitel "Analyse und Ergebnis" präsentiert die fallinterne und fallübergreifende Analyse der drei Digitalisierungsprojekte in Darmstadt.

Schlüsselwörter

Smart City, Cybersicherheit, Machine Learning, Verhaltensanalyse, Nutzer- und Entitätsverhaltensanalyse (UEBA), Gefahren aus dem Inneren, Datenschutz, Risikoprüfung, Fallstudie, Digitalisierungsprojekte, IoT-Sicherheit, LoRaWAN, Intelligente Verkehrssteuerung, Digitales Krankenhaus.