Netzwerksicherheit und Erkennung von Anomalien

KI kann die Erkennungsgenauigkeit von Angriffen und anderen Bedrohungen, die durch das Netz fließen und sich auf die Endgeräte auswirken, erheblich verbessern, ohne die Robustheit der Analyse zu beeinträchtigen (d. h. Fehlalarme). KI kann auch die automatische Erkennung und Diagnose der ständig wachsenden Zahl von Anomalien verbessern, die in allen Arten von komplexen Systemen auftreten, einschließlich Datennetzen, aber nicht nur dort. Indem sie die Analyse hochdimensionaler Daten mit Echtzeit- und Großdatenanforderungen ermöglichen, können KI und Big-Data-Prinzipien und -Plattformen die Sichtbarkeit und das Verständnis von Cybersecurity-Ereignissen und -Anomalien erheblich verbessern und einen effizienten Diagnoseprozess ermöglichen.

Netzwerk-Überwachung

Die Überwachung und Analyse des Netzwerkverkehrs (Network Traffic Monitoring and Analysis, NTMA) ist eine Schlüsselkomponente im Netzwerkmanagement und wird benötigt, um den korrekten Betrieb von großen und/oder komplexen Netzwerken zu gewährleisten. Am AIT entwickeln wir skalierbare Online- und Offline-Data-Mining- und Machine-Learning-basierte Techniken und Plattformen zur Überwachung und Charakterisierung extrem großer Mengen von Netzwerkverkehrsdaten und zur Durchführung von NTMA.

Qualität der Netzerfahrung

Quality of Experience (QoE) ist ein bekanntes Konzept, das es Betreibern, Anbietern, Content-Providern und Distributoren ermöglicht, die Funktionsweise von Netzwerken und Diensten aus der Sicht des Endnutzers oder Servicekunden zu verstehen und zu bewerten. Die KI-basierte Internet-QoE von AIT stützt sich auf Big-Data-Analysen, um nützliche nutzerzentrierte Erkenntnisse aus groß angelegten Netzwerkmessungen zu gewinnen, selbst bei der zunehmenden Verbreitung von Ende-zu-Ende-Verschlüsselung.