Privatsphäreerhaltende Detektion, Analyse und Klassifikation von Signalen für Anwendungen im Fahrzeug und der Industrie

• Antragsteller: Professor Dr.-Ing. Rainer Martin
• Fachliche Zuordnung: Kommunikationstechnik und -netze, Hochfrequenztechnik und photonische Systeme, Signalverarbeitung und maschinelles Lernen für die Informationstechnik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 549576906

Sensornetze werden in verschiedenen praktischen Anwendungen eingesetzt, z.B. in intelligenten Häusern, in der Automobilindustrie und in groß angelegten industriellen Produktionsprozessen. Diese Netze verwenden aufgrund der verteilten Sensoren und Rechenressourcen häufig ein Client-Server-Verarbeitungsmodell. Ohne zusätzliche Maßnahmen können Sensornetzwerke jedoch sensible Informationen über lokale Bedingungen preisgeben, einschließlich Echtzeitinformationen über industrielle Fertigungsprozesse oder benutzerbezogene Daten in einem autonomen Fahrzeug wie z.B. gesprochener Sprache. Die Übertragung der aus verteilten Sensoren gewonnen Daten in Verbindung mit ausgeklügelten Deep-Learning-Algorithmen in der Cloud birgt deshalb ernsthafte Risiken für den Schutz sensibler Informationen. Es ist daher wichtig, diese Risiken bei der Entwicklung solcher Systeme zu berücksichtigen. In diesem Transferprojekt erweitern wir unsere frühere Arbeit zur Signalverarbeitung nach dem "privacy-by-design" Prinzip auf neue Anwendungsfälle im Automobil- und Industriesektor. Wir nutzten einen Client-Server-Ansatz, um lokal gesammelte Daten durch einen Informationsengpass an einen zentralen Server zur Erkennung von Anomalien und zur Zustandsüberwachung zu übertragen. Ziel der Studie ist es, zu untersuchen, wie Methoden zur Wahrung der Privatsphäre, die zuvor in einfachen experimentellen Umgebungen entwickelt und evaluiert wurden, angepasst und in komplexeren realen Anwendungen eingesetzt werden können. Dabei erweitern wir diese Ansätze, um auch mit heterogenen Datenverteilungen und Domänenverschiebungen umgehen zu können. Zwei Anwendungspartner, einer aus der Industrietechnik und einer aus der Automobilindustrie, werden reale Datenerhebungen, Auswertungen und Demonstrationsplattformen beisteuern. Wir erwarten, dass damit bedeutende Fortschritte in Richtung einer praktischen Anwendung von Methoden zum Schutz sensibler Informationen und dem Lernen in verteilten Client-Server-Systemen gemacht werden können.

• DFG-Verfahren: Sachbeihilfen (Transferprojekt)
• Anwendungspartner: Auto Intern GmbH; VW Infotainment GmbH