Springe direkt zu Inhalt

On-going Thesis

Design von Abhörkodes mit Deep Learning

Diese Arbeit beschäftigt sich mit der Erzeugung von Abhörkodes mit Hilfe von maschinellen Lernalgorithmen (insbesondere Deep Learning, DL). Startpunkt sind kürzliche Arbeiten der Heisenberg Gruppe zu Abhörkodes und weitere Arbeiten zur Erzeugung von hochperformanten ‚normalen‘ Kodes mit Hilfe von DL (z.B. im Vergleich zu Standard-Turbokodes). Ziel der Arbeit ist die Aufarbeitung von ML-Designmethoden sowohl für Standardkodes als auch Abhörkodes. Insbesondere sollen dann Lernarchitekturen für höhere Raten erarbeitet, analysiert und simuliert werden.

Abhörkodes für semantische Sicherheit

Die Entwicklung von guten Abhörkodes steckt nach wie vor noch in den Kinderschuhen. Diese Arbeit beschäftigt sich mit der Erzeugung von Abhörkodes für den ‚stärksten‘ Sicherheitsbegriff, d.h. semantische Sicherheit, mit Hilfe von neuen mathematischen Ansätzen (z.B Ramanujan-Graphen). Bisher wurde hier z.B. universelle Hashverfahren eingesetzt. Ziel der Arbeit ist eine sowohl theoretische als auch praktische Analyse dieser Verfahren, sowie eine vergleichende Bewertung mit den bisherigen Standardverfahren.