Motivation des Projektes

Im Gegensatz zur drahtgebundenen Kommunikationstechnologie leidet drahtlose Kommunikation unter zahlreichen Problemen. Zum einen ist die drahtlose Übertragung grundsätzlich viel anfälliger für physikalische Störungen wie Interferenzen oder Reflexionen, die zu Paketverlusten führen. Zum anderen können Angreifer die drahtlose Übertragung recht einfach stören oder unbemerkt abhören. Diese Probleme treten bei drahtloser Kommunikation wie 5G und den zukünftigen 6G-Netzen verstärkt auf, da hier eine sehr große Anzahl aktiver Nutzer durch Internet of Things (IoT)-Geräte erwartet wird. Ohne zusätzliche Maßnahmen können Mobilfunknetze nicht zuverlässig funktionieren.

Ziele & Vorgehen

Typische Maßnahmen zur Erkennung von Störungen und Angriffen in Mobilfunknetzen basieren auf der Beobachtung bestimmter Metriken, z.B. der Anzahl der abgebrochenen Anrufe oder der Latenzzeit bei der Paketübertragung. Da 5G/6G-Netze mit hohen Samplingraten und einer größeren Anzahl an Endgeräten enorme Datenmengen produzieren, kann jedoch durch herkömmliche Algorithmen oft nur eine begrenzte Datenmenge in Echtzeit verarbeitet werden, was zu dem Übersehen von Problemen führen kann. Traditionelle Methode können außerdem das Potenzial der hochdimensionalen Daten, die im 5G/6G-Netzverkehr anfallen, durch ihre handgefertigten, regelbasierten Algorithmen nicht voll ausnutzen und noch unbekannte Systemstörungen nicht erkennen. Daher sind herkömmliche Algorithmen in vielen 5G/6G-Szenarien nicht anwendbar. Der Einsatz von maschinellem Lernen (ML) in der Cybersicherheit von 5G/6G-Netzwerken hingegen birgt durch erfolgreiche, echtzeitfähige Verarbeitung von hochdimensionalen Daten sowie der Erkennung von unbekannten Angriffen große Potenziale. Wir untersuchen ein verteiltes, echtzeitfähiges und KI-basiertes Verfahren zur Erkennung und Beseitigung von Störungen und Angriffen in 5G/6G-Netzen. Die ML-Erkennungsmethoden werden verwendet, um Kommunikationsverbindungen am Beispiel von Automatisierungssystemen zu analysieren und zu bewerten. Die KI-Komponenten werden effizient realisiert und implementiert, sodass diese auch auf ressourcenbeschränkten Systemen wie Edge- oder IoT-Geräten eingesetzt werden können. Diese Überwachungsform ermöglicht die im 5G/6G-Kontext erforderlichen extrem kurzen Kommunkationslatenzen einzuhalten, da nahe am betroffenen Gerät analysiert und entschieden wird. Unser Ansatz kann durch Betrachtung verschiedener Metriken und Netzwerkaktivitäten Anomalien wie Signalstörungen oder mutwillige Angriffe frühzeitig erkennen, welche von herkömmlichen Algorithmen nicht oder zu spät als Fehler eingestuft werden. Ferner kann unser System bei gefährlichen Leistungsveränderungen in 5G/6G-Netzen rechtzeitig Maßnahmen ergreifen, um das Netz zu stabilisieren und ggf. Angriffe oder Störungen abzuwehren. Wird z.B. ein störender Angriff wie Jamming erkannt, ändern die betroffenen Geräte die Übertragungsfrequenz oder nutzen alternative Kommunikationstechniken. Alle untersuchten Ansätze werden in einem realitätsnahen Demonstrator evaluiert.

Unser Team

Exelonix entwickelt und vertreibt Kommunikationsprodukte für verschiedene Märkte. Basierend auf moderner Cloud-Technologie bietet Exelonix innovative Internet-of-Things (IoT)-Lösungen für professionelle Internet-of-Things-Anwendungen (IOT). Exelonix wurde 2013 in Dresden gegründet. Mit der breiten Erfahrung von IOT-Anwendungen unterstützt Exelonix seine Industriekunden bei der Digitalisierung ihrer Prozesse. Die Kunden kommen aus einem breiten Spektrum von Branchen, wie z. B. Logistik, Medizintechnik, Energienetze, chemische Industrie.

Das IHP betreibt Spitzenforschung und Entwicklung zu siliziumbasierten Systemen, Hochfrequenz-Schaltungen und Technologien für die drahtlose und die Breitbandkommunikation. Das IHP verfügt durch seine Beteiligung an zahlreichen Projekten im 5G Bereich über eine ausgewiesene Expertise unter anderem in den Bereichen Kommunikationsprotokolle, Sicherheit und Resilienz, die auch in 6G eine große Rolle spielen werden.

Merantix Momentum konzipiert, implementiert und forscht an Machine Learning Lösungen. Als externes Machine Learning Department hat Merantix Momentum eine Vielzahl von Prototypen für Industriekunden aus unterschiedlichen Branchen – u.a. dem Maschinenbau und der Gesundheitswirtschaft – erfolgreich realisiert.

Gefördert vom

Bundesamt für Sicherheit in der Informationstechnik Im Rahmen des Forschungs¬programmes „Cyber-Sicherheit und digitale Souveränität in den Kommunikationstechnologien 5G/6G”