Einleitung
Das Labor für Ambient Intelligence (kurz AmI-Labor) ist als Forschungslabor an der Entwicklung von Assistenztechnologien und -systemen beteiligt. Es werden Themen aus den Bereichen demographischer Wandel, Lernen und Bildung sowie Unterstützung von Menschen in ihrem Berufsleben behandelt, die im Rahmen von Forschungsprojekten bearbeitet werden.
Bei der Entwicklung von Assistenzsystemen kommen KI-Modelle zum Einsatz. Sie werden unter anderem dafür eingesetzt, um Objekte zu klassifizieren, Emotionen oder die Körperhaltung zu erkennen.
Die Verarbeitung neuronaler Netze ist mit einer hohen Speicher-, Rechen- und einem hohen Energiebedarf verbunden. So ist die Realisierung auf „einfache“ CPUs oft ineffizient. Durch optimierte Hardware-Architekturen kann die Implementierung von neuronalen Netzen auf FPGA (field programmable gate array) -Plattformen effizienter als die Verarbeitung auf CPUs oder GPUs sein.
Gerade bei der Verarbeitung von Bild-, Video- oder Audio-Daten ist die Sicherheit und somit der Schutz vor Angriffen ein essenzieller Faktor. Die Daten müssen dabei geschützt werden, um nicht in fremde Hände zu fallen. Dies ist insbesondere dann eine Herausforderung, wenn die Daten z.B. nicht nur lokal, sondern in der Cloud oder auf einem Server in der „Edge“ verarbeitet werden sollen.
Beschreibung
Die Hardware-Sicherheit kann beispielsweise durch die Integration von Physically Unclonable Functions (PUFs) erhöht werden. Eine PUF ist dabei eine Schaltung, welche aus den Fertigungsschwankungen, wie Gatterlaufzeit, Frequenzschwankungen, Startwerte nichtflüchtiger Speicherzellen etc. ein individuelles Signal erzeugt. Dieses Signal kann für die Authentifizierung von mehreren Chips, zur Schlüsselerzeugung und -verwaltung, Generierung von Zufallszahlen, IP-Schutz und Schutz vor Fälschungen oder Klonen eingesetzt werden.
In dieser Abschlussarbeit geht es um die Untersuchung und um die Implementierung von delay-based PUF-Strukturen auf einem FPGA. Ziel der Arbeit ist eine ausführliche Evaluation der PUF-Struktur mit anderen Arbeiten im Hinblick auf die Einzigartigkeit, Zufälligkeit und Verlässlichkeit des Ausgangssignals.
Für weitere Informationen senden Sie bitte eine E-Mail an die Adresse:
sinan.yavuz(at)hs-niederrhein.de
Gerne können wir uns im Detail per Zoom etc. besprechen.