Login
- Originaltitel:
- Data-driven Detection of Anomalous Inputs
- Originaluntertitel:
- End-to-end Neural Approaches to Detect Anomalies and Adversarial Examples
- Übersetzter Titel:
- Datenbasierte Erkennung von anomalen Eingaben
- Übersetzter Untertitel:
- Durchgängig neuronale Methoden zur Anomalie- sowie Angriffserkennung
- Autor:
- Schulze, Jan-Philipp
- Jahr:
- 2024
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Institution:
- Informatik 20 - Lehrstuhl für Sicherheit in der Informatik (Prof. Eckert)
- Betreuer:
- Eckert, Claudia (Prof. Dr.)
- Gutachter:
- Eckert, Claudia (Prof. Dr.); Rieck, Konrad (Prof. Dr.); Biggio, Battista (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- TU-Systematik:
- DAT 460; DAT 050
- Kurzfassung:
- Anomalies are inputs that deviate from the given notion of normal. Anomaly detection methods automatically reveal such data points. In our research, we explore two main paths to combine data-driven learning methods like neural networks and anomaly detection: 1) the generation of meaningful synthetic anomalies and 2) the data-driven representation of inputs. Our research led to four anomaly detection methods, which are readily applicable to several important use cases of anomaly detection.
- Übersetzte Kurzfassung:
- Anomalien sind Eingaben, die vom Normalverhalten abweichen. Anomalieerkennungsmethoden zeigen diese Datenpunkte automatisiert auf. In unserer Forschung verfolgen wir zwei Richtungen, um hierzu Methoden des datenbasierten Lernens wie Neuronale Netze zu nutzen: 1) generieren wir synthetische Anomalien und 2) erforschen datenbasierte Repräsentationen von Eingaben. Hierbei sind vier Anomalieerkennungsmethoden entstanden, die auf diverse Bereiche der Anomalieerkennung anwendbar sind.
- WWW:
- https://mediatum.ub.tum.de/?id=1726620
- Eingereicht am:
- 22.11.2023
- Mündliche Prüfung:
- 09.10.2024
- Dateigröße:
- 1972068 bytes
- Seiten:
- 132
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20241009-1726620-0-4
- Letzte Änderung:
- 20.06.2025
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyComputer Engineering
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology