Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- public_v6:abschlussarbeiten_in_bearbeitung [2022/07/20 15:57] – [...bereits bearbeitete Aufgabenstellungen] admin
+++ public_v6:abschlussarbeiten_in_bearbeitung [2024/04/24 06:04] (aktuell) – admin
@@ Zeile 1: / Zeile 1: @@
 ====== ...alte, bereits bearbeitete Aufgabenstellungen ======
+===== Aufbau eines DNSSEC gesicherten DNS Servers =====
+Die Namensauflösung über das DNS ist eine wichtige Funktion für den Betrieb des Internets.
+In der Arbeit soll ein eigener DNSSEC Server konfiguriert werden und die derzeitigen
+Empfehlungen zum sicheren Betrieb einer DNS Infrastruktur umgesetzt werden.
+Die Ergebnisse der Arbeit sind in einem Wiki zu dokumentieren.
+**Links:**
+  * https://www.denic.de/wissen/dnssec/
+  * https://www.heise.de/ct/artikel/DNSpionage-Massive-Angriffe-auf-Mail-und-VPN-User-4333644.html
+===== Untersuchungen zum Aufbau eines Mesh-Netzwerks mit dem ESP32/ESP8266 =====
+In der Arbeit soll praktisch untersucht werden, ob es mit dem ESP8266/ESP32 möglich ist
+eine WLAN-Mesh Vernetzung aufzubauen. Mittels der Mesh-Vernetzung sollen Nachrichten
+von Mikrocontroller zu Mikrocontroller weitergeleitet werden, ohne dass dazu ein WLAN-Access-Punkt
+(WLAN-Router) benötigt wird.
+**Links:**
+  * https://wiki.ipv6lab.f1.htw-berlin.de/iot/expressiv#mesh_networking
+===== Aufbau und Untersuchungen eines WiFi Defense Systems =====
+Anhand eines existierenden Projekts zur Angriffserkennung auf WiFi Netze soll
+untersucht werden wie ein solches System aufgebaut und betrieben werden kann.
+Es ist zu untersuchen, welche Arten von Angriffen erkannt werden und welche
+Strategien zur Abwehr von Angriffen auf Drahtlosnetze im lizenzfreien Spektrum zur Verfügung stehen.
+**Links:**
+  * https://www.nzyme.org/
+\\
+----
+===== Umsetzung eines Referenzdesigns für das Energy-Harvesting eines Sensormoduls =====
+Sensorknoten sollen über Jahre hinweg ohne weitere Installations- und Wartungsarbeiten einsatzfähig
+sein. Die momentan verfügbaren Batterietechnologien stellt das vor Herausforderungen. Durch den
+Einsatz energiesparender Mikrocontroller gepaart mit einer Lösung zur Gewinnung von Energie aus
+der direkten Umgebung können neue Einsatzfelder erschlossen werden.
+Im Rahmen der Arbeit soll ein Referenzdesign von Texas Instruments umgesetzt und bewertet werden.
+Links:
+  * [[https://e2e.ti.com/blogs_/b/msp430blog/archive/2015/08/31/design-a-battery-powered-building-automation-system-to-last-for-decades?DCMP=ep-mcu-msp-buildautomation-en&HQS=ep-mcu-msp-buildautomation-em-blog-automation-en&sp_rid_pod4=MTE1NzI4NjM2OTY4S0&sp_mid_pod4=49438255&detailID=19721111|Link zur TI-Publikation]]
+  * [[http://www.ti.com/tool/tida-00246?DCMP=tida00246&HQS=sys-ind-fa-tida00246-em-rd-tida00246-wwe&sp_rid_pod4=MTE1NzI4NjM2OTY4S0&sp_mid_pod4=49249183&detailID=19721111&spMailingID=49249183&spUserID=MTE1NzI4NjM2OTY4S0&spJobID=740683884&spReportId=NzQwNjgzODg0S0|Referenzdesign (Texas Instruments)]]
+\\
+===== Untersuchungen zur Interoperabilität zwischen verschiedenen IoT Betriebssystemen =====
+An der FU Berlin wird derzeit mit **RIOT-OS** ein neues Betriebssystem für das IoT entwickelt.
+In der Arbeit soll untersucht werden wie gut **RIOT** mit dem
+bisher eingesetzten **Contiki OS** kompatibel ist und welche Dinge beim gleichzeitigen Einsatz
+von RIOT und Contiki zu beachten sind.
+Die Arbeiten sollen auf einem CC2538DK-Board von Texas Instruments durchgeführt werden.
+**Links:**
+  * [[https://riot-os.org]]
+  * [[https://github.com/RIOT-OS/RIOT/issues/4220]]
+  * [[contiki:start|Contiki OS]]
+  * [[iot:riot-os|RIOT OS auf dem CC2538DK-Board]]
+\\
+===== Machine Learning Packet Classification =====
+Machine Learning wurde in der Vergangenheit erfolgreich eingesetzt um
+verschlüsselten Datenverkehr, der für eine direkte Analyse nicht zur Verfügung
+steht, zu klassifizieren.
+In der Arbeit sollen die bisher erreichten Ergebnisse verifiziert werden sowie
+neuartige Ansätze recherchiert und ggf. implementiert werden.
+**Links:**
+  * http://caia.swin.edu.au/reports/131120A/CAIA-TR-131120A.pdf
+  * https://opensourceforu.com/2016/09/deep-learning-network-packet-forensics-using-tensorflow/
+  * https://github.com/tensorflow/io/issues/264
+  * https://www.tensorflow.org/io/api_docs/python/tfio/pcap/PcapDataset
+  * https://towardsdatascience.com/how-to-build-a-custom-dataset-for-tensorflow-1fe3967544d8
+  * https://medium.com/@scet.amit/network-traffic-classification-using-deep-learning-641eb550d5d0
+  * https://pypi.org/project/network-pipeline/
+  * https://www.blackhat.com/docs/us-15/materials/us-15-Wang-The-Applications-Of-Deep-Learning-On-Traffic-Identification-wp.pdf
+  * https://www.datacamp.com/community/tutorials/tensorflow-tutorial
+\\