Projekt SunRISE

Die Grundlage für Industrie 4.0 und das Internet der Dinge (IoT) ist die Vernetzung der involvierten Geräte und Anlagen. Mit der wachsenden Anzahl an Knotenpunkten steigt aber auch das Risiko für die Datensicherheit, zum Beispiel durch Cyberangriffe. Deshalb arbeiten die europäischen Partner im Projekt SunRISE an Elektroniksystemen mit verteilter Sicherheitsintelligenz.

Das deutsche Konsortium entwickelt dazu eine umfassende Sicherheitslösung für zukünftige IoT-Systeme auf der Basis einer Cloud-Plattform mit maschinellen Lerntechniken, um relevante Sicherheitsdaten zwischen allen beteiligten Endgeräten auszutauschen. Mit diesem Ansatz können Sicherheitsanomalien zuverlässig erkannt werden. Darüber hinaus wird der Austausch von »Security Intelligence«-Daten von IoT-Knoten zu Cloud-Backends ermöglicht. Zum Schutz vor Datenmanipulationen sollen privatsphärenfreundliche Technologien wie homomorphe Verschlüsselung und Mehrparteienberechnung zum Einsatz kommen. Diese werden in anwendungsspezifischen Schaltkreisen, die für IoT-Endknoten und zur Beschleunigung der Datenverarbeitung optimiert sind, auf Hardwareebene implementiert.

Die Projektpartner werden sich auf mehrere Schlüsselanwendungsbereiche konzentrieren, insbesondere auf die »Digitale Industrie«, das »Digitale Leben und Wohnen« und die »Digitale Energieversorgung«.

Lösungsansatz

Um die SunRISE-Ziele zu erreichen, wird sich das Konsortium auf die folgenden wichtigen Innovationen konzentrieren:

• Maschinelles Lernen auf den Edge-nodes, für IoT-Sicherheitsanalysen und Anomalieerkennung
• Cloud-Plattform mit maschinellen Lerntechniken zum Austausch relevanter Sicherheitsdaten
• Homomorphe Verschlüsselung als datenschutzfördernde Technologie für Industrie 4.0
• Fertigungstechnologien für überdurchschnittlich sichere Low-Footprint-Schaltkreise mit geringem Platzbedarf
  

Das Fraunhofer IIS/EAS fokussiert sich vor allem auf die Echtzeit-Überwachung und Detektion von drahtlosen Bedrohungen sowie IT-Angriffen auf Basis der verteilten End- und Edge-Knoten. Zur Datenanalyse arbeiten die End- und Edge-Knoten hierarchisch zusammen und setzen auf Methoden des maschinellen Lernen. Darüber hinaus wird eine vorhandene Hardware-Plattform zur Überwachung und Analyse von Funksystemen erweitert, um Funktionen des RF-Fingerprinting, der Interferenzerkennung und Kollisionsdetektion abzudecken.

SunRISE wird durch das Bundesministerium für Bildung und Forschung innerhalb des Rahmenprogramms »Mikroelektronik aus Deutschland – Innovationstreiber der Digitalisierung« gefördert.