Data-Driven Future Forum: Forschungstrends zu Data Management, Data Security und Data-driven Business Models

Abstract

Moderne daten-getriebene Anwendungen basieren in zunehmendem Maße auf der Analyse großer Datenmengen und Techniken des Machine Learnings. Der gesamte Lebenszyklus dieser Anwendungen stellt jedoch, besonders im Hinblick auf große Datenmengen und deren verteilte Verarbeitung, signifikante Herausforderungen für die Datenverwaltung dar. Der erste Teil des Vortrags wird diese Herausforderungen mit Beispielen darstellen und einen Überblick über existierende Systeme und Werkzeuge geben. Ein zweiter Teil wird dann SystemML als ein repräsentatives System für deklaratives maschinelles Lernen beschreiben. SystemML stellt eine Skriptsprache mit R-ähnlicher Syntax bereit und kompiliert diese abstrakten Lineare-Algebra-Programme in hybride runtime plans, die sowohl lokale In-Memory-Operationen als auch verteilte Spark-Operationen umfassen. Wir geben einen aktuellen Überblick zu SystemML, dessen Compiler und Laufzeitumgebung, als auch APIs für unterschiedliche Deployments. Interessanterweise existieren viele Gemeinsamkeiten mit der traditionellen relationalen Datenverwaltung und Anfrageverarbeitung. Der Vortrag schließt mit einigen Schlussfolgerungen zur aktuellen Situation und zukünftiger Richtungen der Datenverwaltung für maschinelles Lernen.

Abstract

Während das Internet der Dinge (IoT) eine Vielzahl neuer Anwendungen ermöglicht, sind auch die Sicherheitsherausforderungen durch den Einsatz von IoT-Technologien enorm. Tatsächlich sind IoT-Geräte einer Vielzahl von Angriffen ausgesetzt, die von entfernten Angriffen über das Netzwerk bis hin zu lokalen physischen Angriffen reichen. Gleichzeitig steigt der Wert der Informationen, die von IoT-Geräten gesammelt und verarbeitet werden, kontinuierlich an.

Dieser Vortrag gibt einen Überblick über die Herausforderungen der IoT-Sicherheit. Neben klassischen Sicherheitsfragen und -maßnahmen geht es insbesondere auch um Seitenkanalangriffe, die es ermöglichen, Sicherheitsmechanismen zu umgehen, indem sie Eigenschaften wie das Zeitverhalten oder den Stromverbrauch der zugrunde liegenden Hardware ausnutzen.

Abstract

Die Kryptographie liefert mathematische Bausteine als Grundlage jeder sicheren Anwendung. Neben der Vertraulichkeit und Authentizität der Daten können neuartige kryptographische Algorithmen ein breites Spektrum von Sicherheits- und Datenschutzproblemen abdecken und innovative Lösungen ermöglichen. Das Aufkommen von Quantencomputern bedroht jedoch viele der am weitesten verbreiteten Algorithmen. Wir diskutieren, wie sich Quantencomputer auf die Sicherheit auswirken und wie neue Konzepte zukünftige Anwendungen schützen können.

Abstract

Die zunehmende Digitalisierung generiert immer mehr Daten in allen Geschäftsbereichen. Moderne Analysemethoden erschließen diese großen Datenmengen für die unternehmerische Wertschöpfung.  Daten sind auf dem Weg, die neue strategische Ressource für die Entwicklung von Geschäftsmodellen zu werden. Sie können in jedem Element eines Geschäftsmodells genutzt werden, angefangen von Wertschöpfungsprozessen (z.B. Verbesserung von Produktionsprozessen) über die Anreicherung des Leistungsversprechens (z.B. Anreicherung von Produkten mit datengesteuerten Zusatzdiensten) bis hin zur Werterfassung (z.B. Verkauf von Daten oder datengenerierten Informationen). Der Vortrag spannt einen Bogen von der Entwicklung der Geschäftsmodellforschung bis hin zu aktuellen Forschungsergebnissen in diesem Bereich am Know-Center.

Abstract

Im Anschluss an die Vorträge wird Stefanie Lindstaedt das Gesamtbild der Forschungsausrichtung am Know-Center skizzieren und erläutern, welchen Beitrag sich die Industrie in Zukunft von Österreichs führendem Forschungszentrum für Data-Driven Business und Big Data Analytics erwarten darf.