Volltext-Downloads (blau) und Frontdoor-Views (grau)

Smart Keylogging - Machine-learning-basiertes Keylogging mittels externer Sensordaten

  • Die Fortschritte in der künstlichen Intelligenz ermöglichen es uns komplexe Aufgaben mit weniger Aufwand und in kürzerer Zeit zu lösen. Daraus ergibt sich auch die Möglichkeit komplexe Daten effizienter zu verarbeiten. Smarte Technologien, insbesondere Smartphones und Wearables, sind in den letzten Jahren immer mehr zu alltäglichen Massenmedien geworden und sind aus dem Alltag vieler MenschenDie Fortschritte in der künstlichen Intelligenz ermöglichen es uns komplexe Aufgaben mit weniger Aufwand und in kürzerer Zeit zu lösen. Daraus ergibt sich auch die Möglichkeit komplexe Daten effizienter zu verarbeiten. Smarte Technologien, insbesondere Smartphones und Wearables, sind in den letzten Jahren immer mehr zu alltäglichen Massenmedien geworden und sind aus dem Alltag vieler Menschen nicht mehr wegzudenken. Dadurch ergeben sich für Angreifer neue Angriffsvektoren, die die Privatsphäre und Sicherheit der Daten der Nutzer gefährden. 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. Hierfür wurden zwei LSTM-Netze implementiert, welche in der Lage sind Rückschlüsse auf eingetippte Ziffern und Buchstaben zu ziehen. Damit wird demonstriert, dass Machine-learning-basiertes Keylogging mittels externen Sensordaten möglich ist und der Angriff durch das Machine-learning vereinfacht wird.show moreshow less

Download full text files

  • Bachelorthesis_Valentin_Fester.pdf
    deu

Export metadata

Statistics

frontdoor_oas
Metadaten
Author:Valentin Fester
Place of publication:Offenburg
Year of Publication:2021
Page Number:vi, 77, x
Language:German
DDC classes:000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik
Advisor:Daniel Hammer, Dirk Westhoff
Publishing Institution:Hochschule Offenburg
Granting Institution:Hochschule Offenburg
Document Type:Bachelor Thesis
Institutes:Abschlussarbeiten / Bachelor-Studiengänge / UNITS
Open Access:Zugriffsbeschränkt
Release Date:2021/07/09
Licence (German):License LogoCreative Commons - CC BY - Namensnennung 4.0 International