Für das Paper ?Fitting the Puzzle: Towards Source Traffic Modeling for Mobile Instant Messaging" ist Prof. Dr. Michael Seufert, Lehrstuhl für Vernetzte Eingebettete Systeme und Kommunikationssysteme, Fakult?t für Angewandte Informatik an der Universit?t Augsburg, gemeinsam mit einem Team der Julius-Maximilians-Universit?t Würzburg auf der 15. Internationalen “Conference on Network of the Future” mit dem Best-Paper-Award ausgezeichnet worden.

Heute wurde unser Paper ?Agree to Disagree: Exploring Consensus of XAI Methods for ML-based NIDS“ auf dem 1st Workshop on Network Security Operations (NecSecOr) vorgestellt.?In diesem Paper werden die Effektivit?t und der Konsens verschiedener erkl?rbarer KI-Methoden (XAI) bei der Verbesserung der Interpretierbarkeit von auf Maschinellem Lernen basierenden Network Intrusion Detection Systems (ML-NIDS) untersucht. Dabei wird festgestellt, dass einige Methoden sehr gut übereinstimmen, w?hrend andere voneinander abweichen, was die Notwendigkeit einer sorgf?ltigen Auswahl unterstreicht, um Vertrauen in reale Cybersicherheitsanwendungen aufzubauen.

Heute wurde unser Paper ?Certainly Uncertain: Demystifying ML Uncertainty for Active Learning in Network Monitoring Tasks“ auf der 20th International Conference on Network and Service Management (CSNM) vorgestellt. In dieser Arbeit untersuchen wir den Einsatz von Active Learning (AL) zur Verbesserung von Machine Learning (ML) Modellen in der Netzwerküberwachung durch die Einbeziehung von Expertenbeitr?gen mit dem Ziel, das Vertrauen in das Modell, die Anpassungsf?higkeit und die Leistung zu erh?hen. Dabei wird eine umfassende Evaluierung von auf Unsicherheit basierenden AL-Ans?tzen für verschiedene Datens?tze und Szenarien vorgenommen.

In unserem neuesten Forschungsartikel in ACM TOMM geht es darum, wie Videostreaming-Systeme die verfügbare Bandbreite besser ausnutzen k?nnen und so eine bessere subjektiv empfundene Dienstgüte (Quality of Experience, QoE) für die Nutzer liefern k?nnen.

Unser Paper ?(Not) The Sum of Its Parts: Relating Individual Video and Browsing Stimuli to Web Session QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Dieses Paper untersucht die Quality of Experience (QoE) in Web-Sessions, in denen sowohl Web-Browsing- als auch Video-Streaming-Stimuli kombiniert werden. Es adressiert die Lücke im Verst?ndnis der QoE auf Session-Ebene und beschreibt Modelle zur Sch?tzung der QoE basierend auf individuellen Stimuli.

Our Paper ?QoEXplainer: Mediating Explainable Quality of Experience Models with Large Language Models“ was presented at the 16th International Conference on Quality of Multimedia Experience (QoMEX). The paper introduces QoEXplainer, a dashboard that uses large language models and mediator usage to illustrate explainable, data-driven Quality of Experience (QoE) models to help users understand the model relationships through an interactive chatbot interface.

Unser Paper ?Sitting, Chatting, Waiting: Influence of Loading Times on Mobile Instant Messaging QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Das Paper untersucht den Zusammenhang zwischen Ladezeiten und der Nutzererfahrung (QoE) in mobilen Instant-Messaging-Anwendungen und zeigt, dass l?ngere Ladezeiten die Akzeptanz und Zufriedenheit der Nutzer verringern, obwohl sie die QoE-Bewertungen nicht direkt beeinflussen.

Prof. Dr. Michael Seufert, Inhaber des Lehrstuhls für Vernetzte Eingebettete Systeme und Kommunikationssysteme, hat den diesj?hrigen CNOM Young Professional Award des Institute of Electrical and Electronics Engineers Communications Society Technical Committee on Network Operation and Management gewonnen.

?

Unser Paper ?HALIDS: a Hardware-Assisted Machine Learning IDS for in-Network Monitoring“ wurde auf der 8th Network Traffic Measurement and Analysis (TMA) Conference ver?ffentlicht. In dem Paper wird HALIDS vorgestellt, ein Prototyp eines auf maschinellem Lernen basierenden Intrusion Detection Systems, das Netzwerkger?te in die Lage versetzt, anhand von In-Band- und Off-Band-Verkehrsanalysen eigenst?ndig Sicherheitsentscheidungen zu treffen, mit dem Ziel, die Netzwerksicherheit durch schnellere Verarbeitung und intelligente Entscheidungen zu verbessern.

Unser Paper ?The Missing Link in Network Intrusion Detection: Taking AI/ML Research Efforts to Users“ wurde in IEEE Access ver?ffentlicht. Das Paper befasst sich mit den Herausforderungen, die sich bei der Einführung von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) in Intrusion Detection Systems (IDS) stellen. Es werden Hindernisse für die Implementierung identifiziert, wie z. B. mangelnde Erkl?rbarkeit, Benutzerfreundlichkeit und ?berlegungen zum Datenschutz, die das Vertrauen von nicht fachkundigen Benutzern beeintr?chtigen. Die Autoren verwenden einen nutzerzentrierten Ansatz, indem sie die IDS-Forschung durch die Brille verschiedener Interessengruppen betrachten, realistische Personas ableiten und Gestaltungsrichtlinien und Hypothesen vorschlagen, um die praktische Einführung von KI/ML-basierten IDS-L?sungen zu verbessern.

Prof. Dr. Michael Seufert wurde vom Deutschlandfunk eingeladen, um über unser neues System zur Echtzeitbewertung der Qualit?t von Internet-Datenstr?men zu sprechen. Das Interview erschien in der Sendung "Forschung aktuell - Computer und Kommunikation" und wurde am 11. Mai 2024 ausgestrahlt.

Unser neuestes Paper ist ein guter Startpunkt für Einsteiger in den Bereichen Künstliche Intelligenz und Kommunikationsnetze. Es bietet einen umfassenden ?berblick für Forschende, die die Anwendung von maschinellem Lernen zur Optimierung von Kommunikationsnetzen und den Einsatz dieser Netze zur Verbesserung von Trainingsprozessen beim maschinellen Lernen untersuchen.