Lebenslauf

seit 2016 Wissenschaftlicher Mitarbeiter am Lehrstuhl
2014–2016 Master‐Studium im Fach Informatik an der Universität Augsburg
2010–2014 Bachelor‐Studium im Fach Informatik an der Hochschule Hof

Forschungsschwerpunkte

Machine-Learning (ML) wurde seit jeher meist ohne Betrachtung von Aspekten der Informationssicherheit entwickelt und eingesetzt. Allerdings lassen sich sonst sehr gut funktionierende Modelle durch leichte Manipulationen eines Angreifers umgehen – und beispielsweise so durch ML geschützte Teile eines Systems missbrauchen. Die Untersuchung dieser als Adversarial-Examples (AEs) bezeichneten Daten ist ein vor wenigen Jahren enstandenes, sehr aktives Forschungsfeld. Dabei sollen zentrale Fragen nach dem Ursprung und den Auswirkungen von AEs beantwortet werden. Da ML auch immer stärker Einzug in Intrusion-Detection-Systeme zur Abwehr von Angriffen auf IT-Infrastrukturen nimmt, beschäftige ich mich mit der Erhöhung deren Robustheit in Bezug auf AEs.

 

Weitere Interessen von mir sind:

 

  • Machine-Learning in eingebetteten Systemen
  • Freie Software

Lehrveranstaltungen

(Angewandte Filter: | Semester: aktuelles | Institution: Organic Computing | Lehrende: Dominik Rauh | Typen: Übung, Seminar)
Name Semester Typ
Seminar über Ad-hoc- und Sensornetze WS 2019/20 Seminar
Seminar über Organic Computing WS 2019/20 Seminar
Übung zu Peer-to-Peer und Cloud Computing WS 2019/20 Übung

Publikationen

  • Interpolation in the eXtended Classifier System: An architectural perspective. Anthony Stein, Dominik Rauh, Sven Tomforde, Jörg Hähner, Journal of Systems Architecture, Volume 75, 2017, Pages 79–94, ISSN 1383-7621. DOI: 10.1016/j.sysarc.2017.01.010
  • Augmenting the Algorithmic Structure of XCS by Means of Interpolation. Stein A., Rauh D., Tomforde S., Hähner J., 2016 Architecture of Computing Systems (ARCS), Lecture Notes in Computer Science, vol 9637. Springer, Cham. DOI: 10.1007/978-3-319-30695-7_26
  • Interpolation-based classifier generation in XCSF. A. Stein, C. Eymüller, D. Rauh, S. Tomforde and J. Hähner, 2016 IEEE Congress on Evolutionary Computation (CEC), Vancouver, BC, 2016, pp. 3990–3998. DOI: 10.1109/CEC.2016.7744296
  • Dealing with Unforeseen Situations in the Context of Self-Adaptive Urban Traffic Control: How to Bridge the Gap. A. Stein, S. Tomforde, D. Rauh and J. Hähner, 2016 IEEE International Conference on Autonomic Computing (ICAC), Würzburg, 2016, pp. 167–172. DOI: 10.1109/ICAC.2016.20

Suche