Die Erfolge von maschinellem Lernen basieren auf dem Training der Algorithmen mit möglichst umfangreichen und realistischen Daten. Unternehmen wie Facebook oder Google sind hier klar im Vorteil – schließlich sitzen sie auf unermesslichen Datenschätzen. Dabei wird jedoch dem Schutz sensibler, persönlicher Daten zu wenig Aufmerksamkeit gewidmet. Neuartige Angriffe auf Machine-Learning-Systeme zeigen, dass unsere Daten dort ganz und gar nicht sicher sind.
Autor: Stefan Achleitner; Aufmacherbild: (C) Pixabay/ahmedgad; CC0
Live vom Deutschen Logistik-Kongress 2018 sendeten Christian Spanik und Martin Goldmann eine Sondersendung. Schwerpunktthemen der Sendung: Gute Jobchancen in der Logistikbranche, „Logistikhelden“, innovative Forschung und Start-Ups in der Logistik, Sicherheit in der Logistik sowie die Initiative „BVL Digital“ der Bundesvereinigung Logistik.
All dies erfahren Sie, wenn Sie sich die rund 40-minütige Sondersendung anschauen. Oder Sie lesen den nachfolgenden Artikel.
Die Angriffe Spectre und Meltdown haben Anfang des Jahres die Sicherheit vieler Computersysteme erschüttert, da sie Schwachstellen der Architektur von weit verbreiteten Prozessoren ausnützen. Schon seinerzeit warnten Sicherheitsforscher, dass diesen ersten bekannt gewordenen Angriffen noch weitere Varianten folgen dürften. Diese Befürchtung erfüllt sich nun. Im Folgenden zeigen wir an einem Beispiel, wie solche Abwandlungen funktionieren – und wie ihnen begegnet werden kann.
