Auflistung nach Autor:in "Petersen, Tom"
1 - 7 von 7
Treffer pro Seite
Sortieroptionen
- KonferenzbeitragDatenschutzgerechte und mehrseitig sichere IT-Plattformen für die medizinische Forschung(SICHERHEIT 2020, 2020) Petersen, TomDie medizinische Forschung ist in vielen Fällen auf die Nutzung von zu Patienten erhobenen Gesundheitsdaten angewiesen. Demgegenüber stehen jedoch die besondere Sensibilität dieser Daten und daraus resultierende Datenschutzanforderungen. Das hier vorgestellte Forschungsvorhaben beschäftigt sich mit dem Entwurf von datenschutzgerechten und sicheren IT-Plattformen für die Erhebung, Speicherung und Bereitstellung von Gesundheitsdaten zu Forschungszwecken, um diesen Zielkonflikt zu lösen. Hierzu werden rechtliche Aspekte, Sicherheitsinteressen beteiligter Akteure und mögliche Architekturen betrachtet sowie technische Maßnahmen vorgestellt, die bei der Erfüllung von Datenschutz- und Sicherheitsanforderungen genutzt werden können.
- ZeitschriftenartikelLage und Zukunft des wissenschaftlichen Nachwuchses(Informatik Spektrum: Vol. 43, No. 2, 2020) Lenk, Kerstin; Gleirscher, Mario; Nestler, Simon; Rödiger, Stefan; Petersen, Tom; Loebel, Jens-MartinDer Beirat des Wissenschaftlichen Nachwuchses (GI-WiN) der Gesellschaft für Informatik (GI) fordert und empfiehlt Maßnahmen zur Verbesserung der Lage von Promovierenden sowie Postdoktoranden und Postdoktorandinnen in der Informatik und anderen Technikwissenschaften. Promovierende sowie Postdoktoranden und Postdoktorandinnen im Bereich der Informatik sind in zunehmendem Maß von den komplexen strukturellen und finanziellen Problematiken des Wissenschafts- und Lehrbetriebs betroffen. Der Flaschenhals auf dem Weg zur Professur führt in der akademischen Karriere zu prekären Beschäftigungsverhältnissen. Die schwierige Vereinbarkeit von Familie und akademischer Karriere erzeugt eine zusätzliche Benachteiligung, insbesondere von Wissenschaftlerinnen. Mangelnde Qualitätssicherung sowie fehlende zuverlässige und vertrauenswürdige Prozesse erschweren die Aufdeckung und Aufarbeitung von Konflikten während der Promotionsphase und der Zeit des Postdoktorats. Fehlanreize im akademischen System beeinträchtigen eine direkte, intensive und regelmäßige Betreuung der jungen Akademiker durch Professorinnen und Professoren. Eine zeitnahe Bewältigung der in diesem Beitrag skizzierten Herausforderungen ist für den zukünftigen Fortbestand von Forschungseinrichtungen an Hochschulen sowie für eine erfolgreiche Fortführung des Prinzips der Bestenauslese von zentraler Bedeutung. Vor dem Hintergrund von bereits geplanten und durchgeführten Maßnahmen zur Stärkung des wissenschaftlichen Nachwuchses skizziert dieser Beitrag konkrete Maßnahmen; einerseits zur Verbesserung der Betreuung während der Promotionsphase und andererseits zur Strukturierung und Schaffung weiterer Karrierewege. The Advisory Board for Junior Scientific Staff (WiN) of the German Informatics Society (GI) calls for and recommends measures to improve the situation of doctoral candidates and post-doctoral researchers in computer science and other technical sciences. Doctoral and postdoctoral scientists in the field of computer science are increasingly affected by the complex structural and financial problems of academia. The bottleneck on the way to a professorship leads to precarious employment conditions in academic careers. The difficulty in combining family and academic careers creates an additional disadvantage, especially for female scientists. A lack of quality assurance and reliable and transparent decision-making processes make it difficult to identify and deal with conflicts during the doctoral and postdoctoral period. Misguided incentives in the academic system impair the direct, intensive and regular supervision of early career researchers. Timely coping with the challenges outlined in this paper is of central importance for the future survival of university research institutions and for a successful continuation of the principle of best selection. In addition to measures already planned and implemented to empower early career researchers, this paper outlines concrete measures to improve supervision during the doctoral phase, and to structure and create further career paths in academia.
- WorkshopbeitragMitigating Cryptographic Mistakes by Design(Mensch und Computer 2019 - Workshopband, 2019) Blochberger, Maximilian; Petersen, Tom; Federrath, HannesDevelopers struggle to integrate cryptographic functionality into their applications. Many mistakes have been identified by related work and tools have been developed for detecting, automatically repairing, or otherwise assisting developers in secure integration of cryptographic functionality. We present a cryptographic API that has been designed to prevent cryptographic mistakes for developers without a background in cryptography. For that purpose, common cryptographic mistakes were categorized systematically. A qualitative user study was performed that evaluates the usability of the API. The results indicate that a simple, comprehensive API can aid developers in implementing
- ZeitschriftenartikelPrivatsphärefreundliches maschinelles Lernen(Informatik Spektrum: Vol. 45, No. 3, 2022) Stock, Joshua; Petersen, Tom; Behrendt, Christian-Alexander; Federrath, Hannes; Kreutzburg, TheaVerfahren des maschinellen Lernens (ML) beruhen auf dem Prinzip, dass ein Algorithmus Muster und statistische Zusammenhänge in Datensätzen erkennt, diese in einem Modell abbildet und das Modell anschließend auf andere Datensätze anwenden kann. Neben den großen Chancen, die maschinelle Lernverfahren mit sich bringen, birgt diese Technologie allerdings auch Risiken für die Privatsphäre, die in diesem Artikel in Form von Privatsphäreangriffen beleuchtet werden. Angriffe wie Model Inversion zielen auf oftmals sensible Informationen ab, die sich während der Trainingsphase eines ML-Algorithmus ungewollt in einem Modell etabliert haben. Wenn Trainingsdaten Personenbezug aufweisen, insbesondere wenn es sich etwa um vertrauliche medizinische Daten handelt, kann dies problematisch für Betroffene sein. Demgegenüber stehen Techniken des privatsphärefreundlichen maschinellen Lernens wie Federated Learning , die eine Risikominimierung für ein breites Spektrum an Privatsphäreverletzungen ermöglichen. Ausgewählte Techniken aus diesem Bereich werden in diesem Artikel ausführlich dargestellt. Dies ist der zweite Teil einer zweiteiligen Artikelserie, deren Auftakt unter dem Titel Grundlagen und Verfahren bereits in der letzten Ausgabe des Informatik Spektrums erschienen ist.
- ZeitschriftenartikelPrivatsphärefreundliches maschinelles Lernen(Informatik Spektrum: Vol. 45, No. 2, 2022) Stock, Joshua; Petersen, Tom; Behrendt, Christian-Alexander; Federrath, Hannes; Kreutzburg, TheaMaschinelle Lernverfahren finden seit einigen Jahren in immer mehr Bereichen vielfältige Anwendung, wodurch die Relevanz der dabei verwendeten Techniken deutlich wird. Unter dem Begriff des maschinellen Lernens (ML, oft auch „künstliche Intelligenz“) existieren zahlreiche Algorithmen, die unterschiedliche Komplexität und verschiedene Eigenschaften mit sich bringen. Für das Training dieser Algorithmen sind meist große Mengen an Daten notwendig. Insbesondere bei der Verwendung von personenbezogenen Daten stellen sich hierbei Fragen rund um den Datenschutz und die Privatsphäre von Betroffenen. Dies ist der erste Teil eines zweiteiligen Artikels zum Thema privatsphärefreundliches ML. Dieser erste Teil bietet einen leicht verständlichen Einstieg in das Thema des ML und geht dabei auf die wichtigsten Grundbegriffe ein. Außerdem werden einige der meistverwendeten ML-Verfahren, wie Entscheidungsbäume und neuronale Netze, vorgestellt. Im zweiten Teil, der in der kommenden Ausgabe des Informatik Spektrums erscheint, werden Privatsphäreangriffe und datenschutzfördernde Maßnahmen im Kontext von ML behandelt.
- KonferenzbeitragSieben Handlungsfelder für mehr Cybersicherheit in der Stromwirtschaft(Sicherheit 2024, 2024) Schwarz, Linda; Becker, Nikolas; Dechand, Marius; Federrath, Hannes; Petersen, Tom; Wagner, Jasmin; Wenderoth, FriederikeÜber einen partizipativen Prozess haben wir sieben relevante Handlungsfelder für mehr Cybersicherheit in der Stromwirtschaft identifiziert. Ausgangspunkt ist die vom BMWK initiierte „Branchenplattform Cybersicherheit für die Stromwirtschaft“, für die eine Themenroadmap erarbeitet wurde. Die Handlungsfelder werden den Clustern Governance & Standards, Kapazitätsaufbau & Sensibilisierung, Gesetze sowie Zusammenarbeit zugeordnet.
- ZeitschriftenartikelWie geht es dem akademischen Mittelbau?(Informatik Spektrum: Vol. 45, No. 4, 2022) Gleirscher, Mario; Lenk, Kerstin; Loebel, Jens-Martin; Petersen, Tom; Wagner, JohannesZum sogenannten Mittelbau zählen Doktoranden und Doktorandinnen, Postdocs, Nachwuchsgruppenleiter und -leiterinnen, Junior- und Tenure-Track-Professoren und -Professorinnen. Insbesondere Promovierende sowie Postdoktoranden und Postdoktorandinnen sind, noch mehr als früher, von den komplexen strukturellen und finanziellen Problematiken des Wissenschafts- und Lehrbetriebs betroffen, und das in vielerlei Hinsicht über Fächer hinweg. Der Flaschenhals auf dem Weg zur Professur oder einer anderweitig verstetigten Forschungs- oder Lehrstelle führt in der akademischen Karriere zu prekären Beschäftigungsverhältnissen. Die schwierige Vereinbarkeit von Familie und akademischer Karriere erzeugt eine zusätzliche Benachteiligung, insbesondere von Wissenschaftlerinnen. Mangelnde Qualitätssicherung sowie fehlende zuverlässige und vertrauenswürdige Prozesse erschweren die Aufdeckung und Aufarbeitung von Konflikten während der Promotionsphase und der Zeit des Postdoktorats. Der Beirat des wissenschaftlichen Nachwuchses (GI-WiN) der Gesellschaft für Informatik e. V. (GI) fordert und empfiehlt in einem Positionspapier ( https://doi.org/10.1007/s00287-020-01250-x ) mehrere Maßnahmen zur Stabilisierung von Karriere- und Beschäftigungssituation des Mittelbaus. Der vorliegende Artikel fasst die Ergebnisse einer Umfrage zur Ergänzung und empirischen Untermauerung dieser Empfehlungen zusammen. Die vorliegende Umfrage wurde mit dem Anspruch erhoben, Daten aus allen Fachbereichen – nicht nur der Informatik – zu sammeln. In den Ergebnissen zeigte sich, dass diesen vielfältigen Herausforderungen begegnet werden muss, die in Nicht-MINT-Fächern und MINT-Fächern ähnlich empfunden werden. Die Schaffung von unbefristeten Stellen für die Phase nach der Promotion wurde im Rahmen der Umfrage als besonders wünschenswert angesehen. Vorgeschlagen wurde auch die Abschaffung von Lehrstühlen und die Einführung einer Departmentstruktur. Des Weiteren wurde die Trennung von Begutachtung und Betreuung vor allem bei der Promotion angeregt. Die letzten 2 Jahre im Zeichen der COVID-19-Pandemie waren für einen großen Teil der Betroffenen von fehlendem fachlichen Austausch und sowohl beruflichen als auch privaten Zusatzbelastungen geprägt. Diese Ergebnisse können über die genannten Fachbereiche hinaus eine Entscheidungsgrundlage für eine gerechtere Wissenschaftspolitik liefern und bessere Arbeits- und Karrierebedingungen für den wissenschaftlichen Nachwuchs erwirken.