Datenerweiterung zur Erkennung von Anomalien

Themenfeld

Deep learning performs remarkably well on many time series analysis tasks recently. The superior performance of deep neural networks relies heavily on a large number of training data to avoid overfitting. However, the labeled data of real-world time series applications may be limited, especially anomaly detection. As an effective way to enhance the size and quality of the training data, data augmentation is crucial to the successful application of deep learning models on time series data. In this thesis, the student will systematically review different data augmentation methods for time series anomaly detection.
The student will implement data augmentation on different CPS anomaly detection datasets and evaluate the results.

Aufgabenstellung

1) Literature research of existing anomaly detection datasets in Cyber-Physical Systems.
2) Literature research of state-of-the-art data augmentation method.
3) Categorization of the datasets according to the application field and characteristics.
4) Extract normal and abnormal patterns from real-world data.
5) Transform the extracted patterns into synthetic data.
6) Evaluation of the augmented dataset.

Vorkenntnisse

python

Ansprechpartner

Sheng Ding

Modellierung von Distribution Shift im Matlab-Simulink-Modell eines industriellen Roboterarms

Themenfeld

Im Bereich der Industrieautomatisierung nimmt die Verwendung maschineller Lern-verfahren (ML) zu. Damit die Zuverlässigkeit solcher ML-Funktionen gewährleistet ist, müssen diese Generalisierungsfähigkeit und Robustheit aufweisen. Ein Szena-rio, das beide Eigenschaften fordert, ist Distribution Shift: Die Verschiebung der Da-tenverteilung während der Anwendung der Funktion im Vergleich zu den Trai-ningsdaten. Der Einfluss von Distribution Shift auf die Leistungsfähigkeit einer ML-Funktion muss bei der Zuverlässigkeitsbewertung beachtet werden.
Im Kontext dieser Arbeit steht die Zuverlässigkeitsbewertung einer Anomaliedetekti-on auf Basis eines neuronalen Netzes im Vordergrund. Die Funktion überwacht die Bewegung eines Roboterarms, welche in Matlab/Simulink simuliert wird, und er-kennt Hardwarefehler.

Aufgabenstellung

Ziel dieser Arbeit ist die Modellierung von Bewegungsprofilen des Roboterarms in Matlab/Simulink. Diese Bewegungsprofile sollen aus sinnvollen Aufgaben des Ro-boterarms abgeleitet werden und sich vom standardmäßigen Bewegungsprofil so unterscheiden, dass dadurch Distribution Shift modelliert wird. Folgende Aufgaben sind durchzuführen:

- Literaturrecherche zu Arten und Ausprägungen von Distribution Shift in Zeit-reihen und bei Roboterarmen im industriellen Umfeld
- Entwicklung sinnvoller modellhafter Aufgaben des Roboterarms, welche Dis-tribution Shift bewirken
- Modellierung der Aufgaben in Matlab-Simulink durch Entwicklung von Weg-punkten und Parametrierung von Bewegungsprofilen des Roboterarms
- Simulation von Zeitreihendaten der Roboterbewegung, Injektion von Hard-warefehlern mittels vorhandenen Tools, Nachbearbeitung der Datensätze
- Statistische Auswertung des Distribution Shift zwischen den Datensätzen mit Standardbewegungsprofil und Distribution Shift Bewegungsprofil.

Vorkenntnisse

- Matlab / Simulink

Ansprechpartner

Sheng Ding

Erstellung und Umsetzung eines Security Konzepts für einen Webservice

Themenfeld

Für den Warentransport bei der Produktion werden zunehmend mobile Roboter eingesetzt. Diese sind sehr flexibel und können sich Verkehrsflächen mit Menschen und Gabelstapler teilen. Um einen sicheren Betrieb zu gewährleisten müssen Roboter stets vorausschauend agieren und ihre Routen je nach Verkehrsaufkommen oder Gefährdungslage dynamisch anpassen.

Aufgabenstellung

Für die in weiteren Studienarbeiten realisierte Roboter-Mensch-Kollaboration werden personenbezogene Daten erfasst und ausgewertet. Im Rahmen dieser Arbeit soll ein passendes Security-Konzept zur Gewährleistung der Vertraulichkeit und Integrität personenbezogener Daten erarbeitet werden. Hierzu sollen zunächst Angreifer-Modelle und Angriffs-Vektoren für eine bestehende Django-basierte Web-applikation untersucht werden. Anschließend soll ein Security-Konzept auf der technischen Basis der Funktionen des Django Authentication Systems erstellt und realisiert werden.

Vorkenntnisse

Vorlesung TMS1 und AT 1
Vorlesung / SQ Network Security
Gute Deutschkenntnisse
Gute Englischkenntnisse

Ansprechpartner

Andreas Löcklin