Privatsphäre und IT-Sicherheit in der Modellierung und Bewertung von Bedrohungen für komplexe industrielle Systeme

Im Kontext von modernen Industrieanwendungen (Industrie 4.0) erfolgt eine verstärkte Digitalisierung des Produktionsprozesses. Dabei werden räumlich und/oder logisch getrennte Produktionsstandorte in einem heterogenen Umfeld mit verschiedenen teilnehmenden Akteuren verknüpft. Dieser Prozess erfordert den Austausch von Daten. Diese Daten können einerseits sensible und sicherheitsrelevante Informationen für die beteiligten Unternehmen darstellen, andererseits aber auch persönliche Daten von Endkund*innen enthalten.

Ziel dieses Projektes ist die Analyse von repräsentativen Prozessen im industriellen Umfeld und die Anwendung von privatsphärenerhaltenden Technologien, um einerseits die Daten der Endkund*innen zu schützen und andererseits einen optimierten, auf Schutz der Informationen der Unternehmen bedachten Produktionsprozess zu ermöglichen. Dabei steht besonders das Abwägen von Privatsphäre und Sicherheit aus technischer Sicht im Verhältnis zum Nutzen für den Prozess im Vordergrund. Im Rahmen des Projektes werden dafür typische, repräsentative Prozesse gemeinsam mit regionalen Unternehmen analysiert und die Datenflüsse, die Akteure und die Datenkategorien erfasst. Diese Informationen dienen als Grundlage einer modellbasierten Analyse und einer Modellierung des Systems.
Auf Basis dieser modellbasierten Analyse können die beteiligten Akteure und die (möglicherweise verdeckten) Datenflüsse abgeleitet werden. Dazu erfolgt auch eine detaillierte inhaltliche Analyse der Daten mit u.A. maschinellem Lernen. Beides bietet die Grundlage zur gezielten Anwendung von privatsphärenerhaltenden Technologien, wobei hier verschiedene, dem Stand der Forschung entsprechende Technologien in Kombination mit Querschnittstechnologien angewendet und evaluiert werden.
Eine Erfüllbarkeit der Prozessziele soll im gegebenen organisatorischen, rechtlichen und technischen Rahmen ermöglicht werden; die Daten und die Privatsphäre der Endkund*innen dabei aber maximal geschützt werden können.