Intern
Lehrstuhl für Informatik III

Modellierung und Monitoring von Virtual Private Cloud Netzen für automatisierte Anoma-lieerkennung für Unternehmensanwendungen in heterogenen Netzen (VIPNANO)

Partner IsarNet Software Solutions GmbH
Laufzeit Oktober 2023 - September 2026
Projektkoordinator Dr. Jochen Kögel, IsarNet Software Solutions GmbH
Mitarbeiter

Prof. Dr. Tobias Hoßfeld
Dr. Stefan Geißler
Katharina Dietz M.Sc.

Projektbeschreibung

In vielen Unternehmen steigt der Bedarf nach flexiblen und zuverlässigen Virtual Private Clouds (VPCs), wobei häufig mehrere große Cloud-Anbieter, private Clouds und eigene Netze in einer heterogenen Infrastruktur kombiniert werden. Diese Komplexität stellt neue Herausforderungen an das Netzmonitoring für einen zuverlässigen Anwendungsbetrieb. In diesem Vorhaben werden Verfahren entwickelt, um automatisiert den Normalzustand bzgl. Verkehrsmustern zu modellieren und darauf eine automatisierte Anomalieerkennung aufzubauen. Diese ermöglicht es, aus Netz- und Anwendungsbetrieb frühzeitig kritische Situationen zu erkennen, um mit passenden Gegenmaßnahmen Probleme und Ausfälle zu vermeiden. Die Projektpartner vereinen dabei die dafür notwendige Expertise: Isarnet mit der Datenanalyse von Netzmonitoring-Daten, JMU im Bereich Modellierung und Simulation sowie die Enterprise Kunden als assoziierte Partner mit einer großen Netz-Infrastruktur und mehrjähriger Erfahrung beim Anwendungsbetrieb in VPCs.

 

Verwandte Publikationen

  • Offizielle Pressemitteilung
  • Dietz, K., Mühlhauser, M., Kögel, J., Schwinger, S., Sichermann, M., Seufert, M., Herrmann, D. & Hoßfeld, T. (2024). The Missing Link in Network Intrusion Detection: Taking AI/ML Research Efforts to Users. IEEE Access.
  • Dietz, K., Hajizadeh, M., Schleicher, J., Wehner, N., Geißler, S., Casas, P., Seufert, M. & Hoßfeld, T. (2024), Agree to Disagree: Exploring Consensus of XAI Methods for ML-based NIDS. Accepted at NeSecOr (co-located with IEEE CNSM).
  • Dietz, K., Hajizadeh, M., Wehner, N., Geißler, S., Casas, P., Seufert, M. & Hoßfeld, T. (2024), Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks. Accepted at IEEE CNSM.