FORMUS³IC

“Multi-Core safe and software-intensive Systems Improvement Community”
  • Forschungsinhalt: Bewältigung der durch heterogene Mehrkernarchitekturen entstehenden Herausforderungen für Automotive und Avionik
  • Forschungsverbund der Arbeitsgemeinschaft Laboratory for Safe and Secure Systems (LaS³)
  • Akademische Projektpartner: OTH Regensburg, TH Ingolstadt, OTH Amberg-Weiden, HS München, FAU Erlangen-Nürnberg
  • Industrielle Projektpartner: Audi AG, Continental Automotive GmbH (Powertrain), AIRBUS Defence and Space GmbH, Elektrobit Automotive GmbH, Infineon Technologies AG, iNTENCE automotive electronics GmbH, Timing-Architects Embedded Systems GmbH, XKrug GmbH

 

läuft bis einschließlich September 2018

gefördert von der Bayerischen Forschungsstiftung

Forschungsmasterprojekte

OhmRunner

Die sogenannte Car2X-Kommunikation soll es ermöglichen Daten wie beispielsweise Gefahrenquellen, Hindernisse, Verkehrsfluss oder den allgemeine Fahrzeugstatus, mit anderen Verkehrsteilnehmern und der Infrastruktur auszutauschen. Die Herstellung dieser Kommunikation, die verschiedenen Anwendungsfälle in diesem Bereich sowie mögliche Maßnahmen der Sicherstellung der Integrität der hierbei übertragenen Daten sollen im von der Staedtler-Stiftung getragenen Projekt „Ohm Runner“ untersucht und bewertet werden.

In diesem Projekt soll ein Modellfahrzeug unter Anwendung automobiler Standards und Technologien, wie z.B. AUTOSAR, lernen, Informationen mit seiner Umgebung auszutauschen und zu interpretieren. Hierbei gilt es, mögliche Anwendungsszenarien zu definieren, zu implementieren und bezüglich ihrer Praktikabilität und ihres Mehrwertes zu beurteilen.

Die hierbei generierten Informationen können zu einem wichtigen Bestandteil der Konzepte der Smart Cities und Smart Grids werden und dabei helfen, nicht nur die Verkehrsführung in Echtzeit zu beeinflussen, sondern bestimmte Aufkommen mithilfe geschickter Auswertungen dieser großen Datenmengen vorherzusagen und sogar zu beeinflussen.

 

Bearbeitet von Christian Stahl und Johannes Rösler

Abgeschlossen September 2017

gefördert von der Staedtler Stiftung

Promotionsprojekte

Optimierung automobiler Systemarchitekturen

Kooperative Promotion im Kontext Automotive Software Engineering

Forschungskooperation mit der Arbeitsgruppe Software Systems Engineering (SSE) der Universität Hildesheim.

Produktlinien software-intensiver Systeme werden für immer mehr Bereiche im Fahrzeug relevant, insbesondere auch für sicherheitsrelevante Anwendungen und Steuerungen. Die gegenwärtige Herausforderung ist nicht in erster Linie die Exploration weiterer Anwendungsfelder für diese Systeme, sondern deren Optimierung im Hinblick auf eine Vielzahl ggf. konkurrierender Qualitätskriterien. Das Optimum zwischen den Anforderungen mehrerer Kriterien zu finden ist ein hartes kombinatorisches Problem; man spricht von multikriterieller Optimierung, da mehrere Qualitätskriterien des Systems unter Zuhilfenahme einer trade-off-Analyse gleichzeitig optimiert werden.

 

Die Notwendigkeit einer systematischen Lösung dieses Problems liegt auf der Hand: multikriterielle Optimierungsprobleme können aufgrund ihrer Komplexität nicht händisch gelöst werden, computergestützte Verfahren sind unumgänglich. Dennoch sind gegenwärtig ad-hoc-Lösungsversuche an der Tagesordnung und bedeuten in der Konsequenz, dass Fahrzeugsteuergeräten oft suboptimale Architekturen zugrunde liegen. Da in der Automobildomäne seit einigen Jahren verstärkt modellbasierte Ansätze zur Beschreibung von Produktlinien-Systemarchitekturen zum Einsatz kommen, existiert mittlerweile ein solides Fundament, welches alle nötigen Informationen für computergestützte Optimierungsanalysen zur Verfügung stellt. Im Rahmen des Forschungsvorhabens soll dieses Potential für die Automobildomäne untersucht und nutzbar aufbereitet werden.


Promotionsverfahren Beteiligte:

  • Tobias Wägemann (Promovend, TH Nürnberg)
  • Prof. Dr. Ramin Tavakoli Kolagari (Promotionsbetreuer Hochschule, TH Nürnberg)
  • Prof. Dr. Klaus Schmid (Promotionsbetreuer Universität, SSE, Universität Hildesheim)

 

läuft bis einschließlich September 2018

gefördert von der Bayerischen Forschungsstiftung

IT-Security für das autonome und vernetzte Fahren

Kooperative Promotion im Kontext Automotive IT-Security

Forschungskooperation mit dem Lehrstuhl für Angewandte Kryptographie der Friedrich-Alexander-Universität

Forschungsinhalt:

  • Konzeption sicherer (safe & secure) Fahrzeug-Softwarearchitekturen durch Erweiterung der EAST-ADL
  • Untersuchung von sicherheitskritischen Schwachstellen durch Penetrationstests
  • Entwurf einer sicheren Plattform als Framework

Promotionsverfahren Beteiligte:

  • Markus Zoppelt (Promovend, TH Nürnberg)
  • Prof. Dr. Ramin Tavakoli Kolagari (Promotionsbetreuer Hochschule, TH Nürnberg)
  • Prof. Dr. Dominique Schröder (Promotionsbetreuer Universität, CHAAC, Friedrich-Alexander-Universität)

 

läuft bis einschließlich März 2020

gefördert vom Zentrum Digitalisierung.Bayern

Security für Machine Learning im hoch-autonomen Fahren

Kooperative Promotion im Kontext Automotive Security und Machine Learning

Forschungskooperation mit dem Lehrstuhl für IT-Sicherheitsinfrastrukturen der Friedrich-Alexander-Universität Erlangen

 

Forschungsinhalt:

Machine Learning befindet sich derzeit in einer Phase der Hochkunjunktur. Die Technik hat bereits in vielen Bereichen Einzug gehalten und wird auch in Zukunft eine wichtige Rolle in der IT-Welt spielen.

Auch das hoch-autonome Fahren ist stark von Machine Learning abhängig. Beim Zusammenspiel unzähliger Sensoren, Aktoren und einer Großzahl kleiner Hardware- und Software-Komponenten wird Machine Learning genutzt, um die Signale auszuwerten und entsprechende Reaktionen einzuleiten. So werden beispielsweise Fußgänger, Verkehrsschilder und andere Autos auf Kameraaufnahmen erkannt und die Route entsprechend angepasst oder eine Bremsung durchgeführt. Anders als bei den meisten Anwendungen mit künstlicher Intelligenz kann ein Versagen der Machine Learning-Komponente im Fahrzeug das Leben von Menschen gefährden. Daher ist es besonders wichtig, diese Komponenten vor Angriffen zu schützen.

Im Rahmen der Promotion sollen möglichen Angriffe auf Machine Learning-Anwendungen analysiert und entsprechende Schutzmechanismen konzipiert werden.

 

Promotionsverfahren Beteiligte:

  • Katja Auernhammer (Promovendin, TH Nürnberg)
  • Prof. Dr. Ramin Tavakoli Kolagari (Promotionsbetreuer Hochschule, TH Nürnberg)
  • Prof. Dr. Felix Freiling (Promotionsbetreuer Universität, IT-Sicherheitsinfrastrukturen, Friedrich-Alexander-Universität Erlangen)

 

läuft bis einschließlich September 2020

gefördert vom Zentrum Digitalisierung.Bayern