威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

威尼斯赌博游戏_威尼斯赌博app-【官网】

图片

WER WIR SIND

Wir sind der Lehrstuhl für ?Vernetzte Eingebettete Systeme und Kommunikationssysteme“ (networked embedded systems and communication systems, NETCOM) und besch?ftigen uns unter anderem mit der gemessenen und empfundenen Qualit?t von vernetzten Anwendungen. Dies sind zum Beispiel aktuelle Internetanwendungen, für die wir auch selbst oft Netzprobleme wahrnehmen k?nnen, etwa wenn zu Hause im WLAN-Netz der Videocall nur unscharf ist oder unterwegs im 5G-Mobilfunknetz TikTok-Videos nicht geladen werden. Auch eingebettete Systeme zum Beispiel im Internet der Dinge (IoT) oder im industriellen Kontext haben hohe Anforderungen an Kommunikationsnetze und ben?tigen etwa eine hohe Verfügbarkeit des Kommunikationsnetzes oder Datenübertragung in Echtzeit.

?

In unserer Forschung untersuchen wir, wie Probleme im Netz erkannt werden k?nnen und das Netz so konfiguriert werden kann, dass Anforderungen erfüllt werden und Probleme schnell behoben werden oder gar nicht erst auftreten. Wir besch?ftigen uns dabei mit den klassischen Aspekten des Netzmanagements wie im FCAPS-Modell definiert, d.h., unsere Forschung umfasst Fehlermanagement (Fault), Konfigurationsmanagement (Configuration), Erhebung von Statistiken und Leistungsmetriken (Accounting), Leistungsmanagement (Performance) und Sicherheitsmanagement (Security) von nutzerzentrierten und industriellen Kommunikationsnetzen unter Einsatz aktueller Technologien, wie software-definierte Netze, Virtualisierung von Netzfunktionen und programmierbare Datenschichten.

?

Die Innovationen und Synergien unserer Forschung liegen zum einen darin, dass wir nicht nur objektive Leistungsmetriken (Quality of Service, QoS) für Fehler- und Leistungsmanagement heranziehen, sondern zus?tzlich die subjektive Erfahrung der Nutzer (Quality of Experience, QoE) berücksichtigen. Zum anderen nutzen wir datengetriebene Ans?tze aus dem Bereich der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) und passen sie für die Beobachtung und das Management von Kommunikationsnetzen an, um feingranulare Modelle zu erstellen, die die hohe Komplexit?t der Wechselwirkungen zwischen Nutzern, Anwendungen und Netzen besser abbilden als bisherige Modelle. Dabei k?nnen technische Parameter und Leistungsindikatoren der Anwendungen trotz zunehmender Verschlüsselung des Datenverkehrs privatsph?rebewahrend mit hoher Genauigkeit abgesch?tzt werden, was applikationsbewusstes Netzmanagement erm?glicht.

?

Zur Erreichung unserer Forschungsziele setzten wir ein breites Spektrum verschiedener Methoden ein. Dabei arbeiten wir modellbasiert mittels theoretischer ?berlegungen oder Simulationen, datenbasiert durch den Einsatz von Data Science und KI/ML-Methoden und systembasiert mit Hilfe von realistischen Implementierungen und Messungen in Testbeds mit echter Hardware.

?

Unsere Vision ist es, dass zukünftige vernetzte Systeme und Kommunikationsnetze sich – durch Lernen aus verfügbaren und beobachteten Netzdaten – flexibel, autonom und proaktiv selbst konfigurieren k?nnen, so dass die Performanz, Zuverl?ssigkeit und Sicherheit von vernetzten Systemen und die QoE und Zufriedenheit der Nutzer optimiert werden.

?

Aktuelle Neuigkeiten

29. Oktober 2024

Artikel zu abgeschlossenem DFG-Projekt mit Best-Paper-Award ausgezeichnet

Für das Paper ?Fitting the Puzzle: Towards Source Traffic Modeling for Mobile Instant Messaging" ist Prof. Dr. Michael Seufert, Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme, Fakult?t für Angewandte Informatik an der Universit?t Augsburg, gemeinsam mit einem Team der Julius-Maximilians-Universit?t Würzburg auf der 15. Internationalen “Conference on Network of the Future” mit dem Best-Paper-Award ausgezeichnet worden.

Weiterlesen
Profilbild von Prof. Dr. Michael Seufert
28. Oktober 2024

Agree to Disagree: Exploring Consensus of XAI Methods for ML-based NIDS

Heute wurde unser Paper ?Agree to Disagree: Exploring Consensus of XAI Methods for ML-based NIDS“ auf dem 1st Workshop on Network Security Operations (NecSecOr) vorgestellt.?In diesem Paper werden die Effektivit?t und der Konsens verschiedener erkl?rbarer KI-Methoden (XAI) bei der Verbesserung der Interpretierbarkeit von auf Maschinellem Lernen basierenden Network Intrusion Detection Systems (ML-NIDS) untersucht. Dabei wird festgestellt, dass einige Methoden sehr gut übereinstimmen, w?hrend andere voneinander abweichen, was die Notwendigkeit einer sorgf?ltigen Auswahl unterstreicht, um Vertrauen in reale Cybersicherheitsanwendungen aufzubauen.
Weiterlesen
28. Oktober 2024

Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks

Heute wurde unser Paper ?Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks“ auf der 20th International Conference on Network and Service Management (CSNM) vorgestellt. In dieser Arbeit untersuchen wir den Einsatz von Active Learning (AL) zur Verbesserung von Machine Learning (ML) Modellen in der Netzwerküberwachung durch die Einbeziehung von Expertenbeitr?gen mit dem Ziel, das Vertrauen in das Modell, die Anpassungsf?higkeit und die Leistung zu erh?hen. Dabei wird eine umfassende Evaluierung von auf Unsicherheit basierenden AL-Ans?tzen für verschiedene Datens?tze und Szenarien vorgenommen.
Weiterlesen
Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks

Ansprechpartner

Lehrstuhlinhaber
Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme
  • Raum F2-403 (Geb?ude Standort "Alte Universit?t")

Allgemeine Kontaktinformationen:

Postadresse (Postfach):

Universit?t Augsburg
Institut für Informatik
Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme

86135 Augsburg

?

Hausadresse:

Universit?t Augsburg
Institut für Informatik
Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme
Eichleitnerstra?e 30

86159 Augsburg
?

Geb?ude: F2 - 4. Stock


Telefon: +49 821 598 -5541 (Sekretariat)

? Universit?t Augsburg

Suche