@phdthesis{Fester,
  type      = {Bachelor Thesis},
  author    = {Valentin Fester},
  title     = {Smart Keylogging - Machine-learning-basiertes Keylogging mittels externer Sensordaten},
  address   = {Offenburg},
  pages     = {vi, 77, x},
  abstract  = {Die Fortschritte in der k{\"u}nstlichen Intelligenz erm{\"o}glichen es uns komplexe Aufgaben mit weniger Aufwand und in k{\"u}rzerer Zeit zu l{\"o}sen. Daraus ergibt sich auch die M{\"o}glichkeit komplexe Daten effizienter zu verarbeiten. Smarte Technologien, insbesondere Smartphones und Wearables, sind in den letzten Jahren immer mehr zu allt{\"a}glichen Massenmedien geworden und sind aus dem Alltag vieler Menschen nicht mehr wegzudenken. Dadurch ergeben sich f{\"u}r Angreifer neue Angriffsvektoren, die die Privatsph{\"a}re und Sicherheit der Daten der Nutzer gef{\"a}hrden. Zielaspekt dieser Arbeit ist es zu zeigen, dass eingebaute Sensoren in smarten Technologien ein Sicherheitsrisiko mit sich bringen, welches mithilfe von Deep-Learning ausgenutzt werden kann. Hierf{\"u}r wurden zwei LSTM-Netze implementiert, welche in der Lage sind R{\"u}ckschl{\"u}sse auf eingetippte Ziffern und Buchstaben zu ziehen. Damit wird demonstriert, dass Machine-learning-basiertes Keylogging mittels externen Sensordaten m{\"o}glich ist und der Angriff durch das Machine-learning vereinfacht wird.},
  language  = {de}
}