Generative Adversariale Netzwerke in der IT-Sicherheit. Nutzungspotenziale und Herausforderungen bei der Erkennung von Schadsoftware

Inhaltsverzeichnis

• 1. Einleitung
• 1.1. Problemstellung
• 1.2. Forschungsfrage und Zielsetzung
• 1.3. Abgrenzung
• 1.4. Aufbau der Arbeit
• 2. Theoretische Grundlagen
• 2.1. Schadsoftware
• 2.1.1. Taxonomie und Aufbau von Schadsoftware
• 2.1.2. Erkennung von Schadsoftware
• 2.1.3. Verschleierung von Schadsoftware
• 2.2. Maschinelles Lernen im Kontext der Schadsoftware-Erkennung
• 2.2.1. Überblick
• 2.2.2. Umgehung von ML-basierten Erkennungssystemen
• 2.3. Generative Adversariale Netzwerke
• 2.3.1. Künstliche Neuronale Netze
• 2.3.2. Grundlagen und Funktionsweise von GAN'S
• 3. Methodisches Vorgehen
• 3.1. Qualitative Forschung
• 3.2. Erarbeitung des Forschungsstandes mittels Literaturrecherche
• 3.3. Datenerhebung mittels Expertenbefragungen
• 3.3.1. Entwicklung des Befragungsleitfadens
• 3.3.2. Auswahl der zu befragenden Experten
• 3.3.3. Aufbereitung der erhobenen Daten
• 4. Literaturrecherche zum aktuellen Forschungsstand
• 4.1. Offensive Verwendung von GAN's
• 4.2. Defensive Verwendung von GAN's

Zielsetzung und Themenschwerpunkte

Diese Arbeit untersucht den potenziellen Einfluss von Generativen Adversarialen Netzwerken (GANs) auf die Entwicklung und Strategien zur Erkennung von Schadsoftware. Die Forschungsfrage konzentriert sich darauf, inwieweit der Einsatz von GANs die Entwicklung von Systemen und Strategien zur Erkennung von Schadsoftware beeinflusst. Die Arbeit betrachtet sowohl offensive als auch defensive Anwendungsmöglichkeiten von GANs, inklusive möglicher Nutzungspotenziale und Herausforderungen.

• Die Rolle von GANs in der Schadsoftware-Erkennung
• Mögliche offensive und defensive Anwendungsgebiete von GANs
• Herausforderungen und Chancen bei der Nutzung von GANs zur Erkennung von Schadsoftware
• Der aktuelle Forschungsstand im Bereich der GAN-basierten Schadsoftware-Erkennung
• Bewertung der Auswirkungen von GANs auf zukünftige Entwicklungen in der IT-Sicherheit

Zusammenfassung der Kapitel

• Kapitel 1: Einleitung: Diese Einleitung führt die Problemstellung der Schadsoftware-Erkennung ein und stellt die Forschungsfrage sowie die Zielsetzung der Arbeit dar. Es werden zudem die Abgrenzung des Themas und der Aufbau der Arbeit beschrieben.
• Kapitel 2: Theoretische Grundlagen: Dieses Kapitel beleuchtet die grundlegenden Konzepte, die für das Verständnis der Arbeit relevant sind. Es behandelt die Taxonomie und den Aufbau von Schadsoftware, die Erkennung von Schadsoftware, Verschleierungsmethoden sowie das Maschinelle Lernen im Kontext der Schadsoftware-Erkennung, einschließlich eines Überblicks und der Diskussion über die Umgehung von ML-basierten Erkennungssystemen. Des Weiteren werden die Grundlagen und Funktionsweise von Generativen Adversarialen Netzwerken (GANs) erklärt, einschließlich der Rolle von künstlichen neuronalen Netzen.
• Kapitel 3: Methodisches Vorgehen: Dieses Kapitel beschreibt die methodischen Ansätze, die bei der Durchführung dieser Arbeit angewandt wurden. Es erläutert die Anwendung qualitativer Forschungsmethoden, die Erarbeitung des Forschungsstandes durch Literaturrecherche und die Datenerhebung mittels Expertenbefragungen. Dabei werden die Entwicklung des Befragungsleitfadens, die Auswahl der zu befragenden Experten und die Aufbereitung der erhobenen Daten detailliert dargestellt.
• Kapitel 4: Literaturrecherche zum aktuellen Forschungsstand: Dieses Kapitel fasst den aktuellen Forschungsstand im Bereich der GAN-basierten Schadsoftware-Erkennung zusammen. Es werden sowohl offensive als auch defensive Anwendungen von GANs beleuchtet und die wichtigsten Erkenntnisse der Literaturrecherche präsentiert.

Schlüsselwörter

Generative Adversariale Netzwerke, Schadsoftware-Erkennung, Maschinelles Lernen, IT-Sicherheit, Künstliche Intelligenz, Expertenbefragungen, Offensive und Defensive Anwendungsmöglichkeiten, Nutzungspotenziale, Herausforderungen, Forschungsstand.