Logo des Repositoriums

Auflistung nach Autor:in "Hochreiner, Christoph"

1 - 4 von 4
  • Zeitschriftenartikel
    Bericht zum 8. ZEUS Workshop
    (Softwaretechnik-Trends Band 36, Heft 3, 2016) Hochreiner, Christoph; Schulte, Stefan; Kopp, Oliver
  • Konferenzbeitrag
    Bridging gaps in cloud manufacturing with 3D printing
    (Informatik 2016, 2016) Hochreiner, Christoph; Waibel, Philipp; Borkowski, Michael
  • Konferenzbeitrag
    InnoDB Datenbank Forensik Rekonstruktion von Abfragen über Datenbank-interne Logfiles
    (Sicherheit 2014 – Sicherheit, Schutz und Zuverlässigkeit, 2014) Frühwirt, Peter; Kieseberg, Peter; Hochreiner, Christoph; Schrittwieser, Sebastian; Weippl, Edgar
    Datenbanksysteme werden in der digitalen Forensik oft vernachlässigt, hinterlassen aber durch Transaktionen an vielen Stellen (temporäre) Spuren. Jede Transaktion kann - sofern unterstützt - rückgängig gemacht werden (rollback). InnoDB, eine populäre MySQL-Storage-Engine, erzeugt hierfür eigene Log-Dateien. In dieser Ar- beit dekodieren wir diese internen Log-Files von InnoDB, um die ausgeführten Datenbankabfragen zu rekonstruieren, welche Daten verändert haben. Abschließend gehen wir noch auf die Zusammenhänge zwischen der internen Datenspeicherung und den Log-Dateien ein.
  • Zeitschriftenartikel
    Towards a Framework for Data Stream Processing in the Fog
    (Informatik Spektrum: Vol. 42, No. 4, 2019) Hießl, Thomas; Hochreiner, Christoph; Schulte, Stefan
    In volatile data streams as encountered in the Internet of Things (IoT), the data volume to be processed changes permanently. Hence, to ensure timely data processing, there is a need to reconfigure the computational resources used for processing data streams. Up to now, mostly cloud-based computational resources have been utilized for this. However, cloud data centers are usually located far away from IoT data sources, which leads to an increase in latency since data needs to be sent from the data sources to the cloud and back. With the advent of fog computing, it is possible to perform data processing in the cloud as well as at the edge of the network, i. e., by exploiting the computational resources offered by networked devices. This leads to decreased latency and a lower communication overhead. Despite this, there is currently a lack of approaches to data stream processing which explicitly exploit the computational resources available in the fog.