Den vollständigen Blog-Beitrag finden Sie auf Englisch hier:
Differentially Private Prototype Learning (DPPL): Mit Prototypen Datenschutz und Privatsphäre im Machine Learning ermöglichen
Wie kann maschinelles Lernen die Privatsphäre wahren, ohne die Fairness zu beeinträchtigen? Die prototypbasierte Methode Differentially Private Prototype Learning ermöglicht, strenge Datenschutzvorgaben einzuhalten und gleichzeitig die Genauigkeit bei der Abbildung von unterrepräsentierten Gruppen zu verbessern. Durch die Berücksichtigung von Verzerrungen gewährleistet dieser Ansatz eine ethische und integrative KI-Entwicklung ohne Leistungseinbußen.
Most Popular
Mehr Rechtssicherheit für White Hat Hacker
Marc Schink
Fehlerangriffe auf die ECC-Signaturprüfung
Kevin Schneider
Weitere Artikel
Usable Privacy: Warum Usability für effektiven Datenschutz entscheidend ist
Nikolai Lenski
30. Oktober 2026
Die Umsetzung von Privacy ist kein rein technisches Problem. Sind Datenschutzmaßnahmen zu kompliziert, umgehen Nutzende sie einfach und schaffen damit neue Risiken. Das Fraunhofer AISEC forscht an der Schnittstelle von Usability und Privacy. Dieser Artikel zeigt, warum unzureichende Bedienbarkeit eine echte Bedrohung für die Privatheit von Daten ist, welche Methoden helfen, dieses Problem zu lösen und welche konkreten Ansätze Unternehmen umsetzen können.
Quantum Neural Network Security: Kill-Chain-Angriffe auf QNNs
Pascal Debus
29. September 2026
Quantum Machine Learning entwickelt sich von der Theorie hin zur praktischen Anwendung auf Quantenhardware. Dies bringt neue Sicherheitsrisiken mit sich. In einer aktuellen Studie haben Forscher des Fraunhofer AISEC und ihre Partner einen mehrstufigen Angriff auf ein quantenbasiertes neuronales Netzwerk demonstriert, das auf Trapped-Ion-Hardware implementiert war. Der Angriff kombiniert Side-Channel-Analysen, adversariale Beispiele und Crosstalk-Manipulation. Für Anbieter, Produktteams und Entscheidungsträger ist die Botschaft klar: Quanten-KI benötigt Security by Design, bevor sie Teil kritischer Infrastrukturen wird.
Fehlerangriffe auf die ECC-Signaturprüfung
Kevin Schneider
20. August 2026
Digitale Signaturen schützen Firmware-Images in eingebetteten Systemen und stellen beim Secure Boot sicher, dass nur authentische Software gestartet wird. Aufgrund ihrer hohen Leistung und ihres geringen Speicherbedarfs kommt dabei häufig Kryptografie mit elliptischen Kurven (ECC) zum Einsatz.
Die begrenzten Ressourcen und die physische Zugänglichkeit machen diese Geräte zu bevorzugten Zielen für Fehlerangriffe. Bisherige Arbeiten betrachteten vor allem Fehler während der Signaturerzeugung. Dieser Beitrag untersucht erstmals systematisch, wie sich Fehlerangriffe auf die Signaturverifizierung auswirken, wenn Angreifer gezielt präparierte Signaturen einsetzen.