Generative Adversariale Netzwerke in der IT-Sicherheit. Nutzungspotenziale und Herausforderungen bei der Erkennung von Schadsoftware

Bachelorarbeit aus dem Jahr 2023 im Fachbereich Informatik - IT-Security, Note: 1,3, Wilhelm Buchner Hochschule Private Fernhochschule Darmstadt, Sprache: Deutsch, Abstract: In dieser Arbeit wird der mogliche Einfluss einer Anwendung von Generativen Adversarialen Netzwerken (GANs) auf Entwicklungen und Strategien im Kontext der Erkennung von Schadsoftware untersucht. Diese generativen Modelle aus dem Bereich des Maschinellen Lernens (ML) sind in der Lage, anhand eines gegebenen Trainingsdatensatzes neue Datenbeispiele mit den gleichen Merkmalen der zugrundeliegenden Trainingsdaten zu synthetisieren. Das Untersuchungsziel orientierte sich an der Beantwortung der folgenden Forschungsfrage: Inwieweit hat der Einsatz von GANs Einfluss auf die Entwicklung von Systemen und Strategien, die zur Erkennung von Schadsoftware genutzt werden? Dabei wurden sowohl offensive als auch defensive Anwendungsmoglichkeiten von GANs sowie mogliche Nutzungspotenziale und Herausforderungen betrachtet. Zur Beantwortung der Forschungsfrage wurde eine qualitative Befragung von Experten durchgefuhrt, die aufgrund ihrer Fachexpertise den Untersuchungsgegenstand einordneten.