Der Klimawandel ist eine der großen Herausforderungen des 21. Jahrhunderts. Die Wissenschaft stattet die Gesellschaft hierbei mit Wissen, Methoden und Technologien aus, um Probleme und Herausforderungen frühzeitig zu erkennen, zu verstehen und darauf besser reagieren zu können. Passend zu diesem Thema veröffentlicht die Universität am 15. November 2024 in der Süddeutschen Zeitung eine Sonderbeilage über „Forschung als Frühwarnsystem“.

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, Fakultät für Angewandte Informatik an der Universität Augsburg, gemeinsam mit einem Team der Julius-Maximilians-Universität Würzburg auf der 15. Internationalen “Conference on Network of the Future” mit dem Best-Paper-Award ausgezeichnet worden.

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 Effektivität und der Konsens verschiedener erklärbarer 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, während andere voneinander abweichen, was die Notwendigkeit einer sorgfältigen Auswahl unterstreicht, um Vertrauen in reale Cybersicherheitsanwendungen aufzubauen.

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 Expertenbeiträgen mit dem Ziel, das Vertrauen in das Modell, die Anpassungsfähigkeit und die Leistung zu erhöhen. Dabei wird eine umfassende Evaluierung von auf Unsicherheit basierenden AL-Ansätzen für verschiedene Datensätze und Szenarien vorgenommen.

In unserem neuesten Forschungsartikel in ACM TOMM geht es darum, wie Videostreaming-Systeme die verfügbare Bandbreite besser ausnutzen können und so eine bessere subjektiv empfundene Dienstgüte (Quality of Experience, QoE) für die Nutzer liefern können.

Unser Paper „(Not) The Sum of Its Parts: Relating Individual Video and Browsing Stimuli to Web Session QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Dieses Paper untersucht die Quality of Experience (QoE) in Web-Sessions, in denen sowohl Web-Browsing- als auch Video-Streaming-Stimuli kombiniert werden. Es adressiert die Lücke im Verständnis der QoE auf Session-Ebene und beschreibt Modelle zur Schätzung der QoE basierend auf individuellen Stimuli.

Our Paper „QoEXplainer: Mediating Explainable Quality of Experience Models with Large Language Models“ was presented at the 16th International Conference on Quality of Multimedia Experience (QoMEX). The paper introduces QoEXplainer, a dashboard that uses large language models and mediator usage to illustrate explainable, data-driven Quality of Experience (QoE) models to help users understand the model relationships through an interactive chatbot interface.

Unser Paper „Sitting, Chatting, Waiting: Influence of Loading Times on Mobile Instant Messaging QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Das Paper untersucht den Zusammenhang zwischen Ladezeiten und der Nutzererfahrung (QoE) in mobilen Instant-Messaging-Anwendungen und zeigt, dass längere Ladezeiten die Akzeptanz und Zufriedenheit der Nutzer verringern, obwohl sie die QoE-Bewertungen nicht direkt beeinflussen.

Prof. Dr. Michael Seufert, Inhaber des Lehrstuhls für Vernetzte Eingebettete Systeme und Kommunikationssysteme, hat den diesjährigen CNOM Young Professional Award des Institute of Electrical and Electronics Engineers Communications Society Technical Committee on Network Operation and Management gewonnen.

 

Unser Paper „HALIDS: a Hardware-Assisted Machine Learning IDS for in-Network Monitoring“ wurde auf der 8th Network Traffic Measurement and Analysis (TMA) Conference veröffentlicht. In dem Paper wird HALIDS vorgestellt, ein Prototyp eines auf maschinellem Lernen basierenden Intrusion Detection Systems, das Netzwerkgeräte in die Lage versetzt, anhand von In-Band- und Off-Band-Verkehrsanalysen eigenständig Sicherheitsentscheidungen zu treffen, mit dem Ziel, die Netzwerksicherheit durch schnellere Verarbeitung und intelligente Entscheidungen zu verbessern.

Unser Paper „The Missing Link in Network Intrusion Detection: Taking AI/ML Research Efforts to Users“ wurde in IEEE Access veröffentlicht. Das Paper befasst sich mit den Herausforderungen, die sich bei der Einführung von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) in Intrusion Detection Systems (IDS) stellen. Es werden Hindernisse für die Implementierung identifiziert, wie z. B. mangelnde Erklärbarkeit, Benutzerfreundlichkeit und Überlegungen zum Datenschutz, die das Vertrauen von nicht fachkundigen Benutzern beeinträchtigen. Die Autoren verwenden einen nutzerzentrierten Ansatz, indem sie die IDS-Forschung durch die Brille verschiedener Interessengruppen betrachten, realistische Personas ableiten und Gestaltungsrichtlinien und Hypothesen vorschlagen, um die praktische Einführung von KI/ML-basierten IDS-Lösungen zu verbessern.

Prof. Dr. Michael Seufert wurde vom Deutschlandfunk eingeladen, um über unser neues System zur Echtzeitbewertung der Qualität von Internet-Datenströmen zu sprechen. Das Interview erschien in der Sendung "Forschung aktuell - Computer und Kommunikation" und wurde am 11. Mai 2024 ausgestrahlt.