1,721,027 research outputs found
A Mobility Case Study Framework for Validating Uncertainty Impact Analyses regarding Confidentiality
Get PDFThis data set contains additional information to the bachelor's thesis of Denis Priss. It includes component-based software architectural and uncertainty templates and models. Furthermore, it contains collected data during the case study investigation
A Mobility Case Study Framework for Validating Uncertainty Impact Analyses regarding Confidentiality
No full textThis data set contains additional information to the bachelor\u27s thesis of Denis Priss. It includes component-based software architectural and uncertainty templates and models. Furthermore, it contains collected data during the case study investigation
Uncertainty-aware Confidentiality Analysis Using Architectural Variations
Get PDFBei der Planung von Software-Architekturen sind viele Aspekte des zu entwickelnden Systems noch unklar. Je größer die Architektur ist, desto mehr Entwurfsentscheidungen enthält sie und desto mehr Ungewissheiten bestehen über das System. Selbst wenn bereits ein Feinentwurf der Architektur existiert, kann es immernoch ungewisse Aspekte geben, wie z. B. Nutzereingaben. Softwaresysteme enthalten in der Regel Daten, auf die nur autorisierte Personen Zugriff haben sollen.
Darüber hinaus müssen Unternehmen Gesetze einhalten, die die Verwendung oder Speicherung von Daten vorschreiben. Verstöße gegen die Vertraulichkeit von Daten können Unternehmen teuer zu stehen kommen. Daher ist es dringend ratsam, die Einhaltung von Vertraulichkeitsanforderungen bereits im Entwurfsprozess zu berücksichtigen, auch wenn die Architektur noch nicht vollständig definiert ist.
Bisherige Ansätze zur Analyse der Vertraulichkeit liefern verfälschte Ergebnisse, wenn Ungewissheiten einbezogen werden sollen oder ignorieren Ungewissheit vollständig. Um überprüfen zu können, ob in einer Architektur Verstöße gegen Vertraulichkeits-Richtlinien auftreten, muss derzeit untersucht werden, wo die Ungewissheit auftritt und welche Auswirkungen sie auf die Elemente der Architektur hat.
Außerdem kann eine große Architektur sehr komplex werden, so dass es schwieriger wird, alle Stellen zu finden, an denen Vertraulichkeitsverletzungen auftreten können. Dies stellt eine Hürde für Softwarearchitekten dar, Vertraulichkeitsverletzungen in ihrer Gesamtheit abzufangen und Vertraulichkeit nach Änderungen im Entwurf zu erhalten.
In dieser Arbeit stellen wir einen Ansatz vor, der die Ergebnisse bestehender Vertraulichkeitsanalysen mit Modellierungsfähigkeiten über Ungewissheiten kombiniert.
Hierfür entwickeln wir einen Algorithmus, der als Eingabe Informationen über die Ungewissheit, die Architektur und die aufgetretenen Vertraulichkeitsverletzungen erhält. Das Ergebnis ist eine Analyse, die Ungewissheiten hinsichtlich ihrer Auswirkungen auf eine Vertraulichkeitsverletzung untersucht und einem Softwarearchitekten schneller zeigt, wo und warum Vertraulichkeitsverletzungen auftreten. Der Algorithmus ist auf die Möglichkeit einer zukünftigen Erweiterung ausgelegt.
Wir evaluieren unseren Ansatz, indem wir ihn auf Fallstudien anwenden und die Nutzbarkeit und Durchführbarkeit prüfen.
Unter der Annahme, dass wir architektonische Ungewissheit als Variationen beschreiben können, die zu Szenarien der Architektur führen, zeigen die Ergebnisse, dass der Ansatz Ungewissheitseinflüsse herausfiltern kann, die nicht für Vertraulichkeitsverletzungen verantwortlich sind
Prototype Implementation: Uncertainty-aware Confidentiality Analysis Using Architectural Variations
No full textDataset for the bachelor thesis "Uncertainty-aware Confidentiality Analysis Using Architectural Variations"
The ZIP file contains the Eclipse project of the prototype with installation instructions and the models used, modeled in the Palladio Component Model
Architecture-Based and Uncertainty-Aware Confidentiality Analysis
No full textIn this work, we investigate architecture-based confidentiality analysis under uncertainty. We present a classification of uncertainty regarding confidentiality, a catalog of uncertainty sources, an uncertainty impact analysis that propagates uncertainty to predict its impact on the system's confidentiality, and uncertainty-aware confidentiality analyses that identify violations of confidentiality requirements with respect to uncertainty
Enabling the Collaborative Collection of Uncertainty Sources Regarding Confidentiality
Get PDFMit der zunemenden Digitalisierung nimmt die Menge gespeicherter sensibler Daten
in Softwaresystemen zu. Jedoch kann die Vertraulichkeit dieser Daten in vielen Fällen
nicht garantiert werden, da Ungewissheiten mit Auswirkung auf die Vertraulichkeit der
Daten bestehen, insbesondere in den frühen Phasen der Softwareentwicklung. Da solche
Ungewissheiten noch nicht ausreichend berücksichtigt werden und erforscht sind, besteht
bei Softwarearchitekten ein Mangel an Bewusstsein für das Thema. Darüber hinaus ist das
vorhandene Wissen über verschiedene Forscher und Institutionen verstreut, was es für
Softwarearchitekten schwierig macht, das Wissen gesammelt zu erfassen und zu nutzen.
Die aktuelle Forschung zu Ungewissheiten in Bezug auf Vertraulichkeit konzentriert sich
auf die Analyse von Softwaresystemen, um die Möglichkeiten von Vertraulichkeitsverletzungen
zu bewerten, sowie auf die Entwicklung von Methoden zur Klassifizierung
von Ungewissheiten. Diese Ansätze beschränken sich jedoch auf die beobachteten Ungewissheiten
der Forscher, was die Verallgemeinerbarkeit von Klassifikationssystemen,
die Gültigkeit von Analysemethoden und die Entwicklung von Minderungsstrategien
einschränkt. Diese Arbeit zielt darauf ab, zur Sammlung und Verwaltung von Wissen über
Ungewissheiten in Bezug auf Vertraulichkeit beizutragen, um es SoftwarearchitektInnen zu
ermöglichen, Ungewissheiten in Bezug auf Vertraulichkeit besser zu verstehen und diese
in Ihren Software Architekturen zu identifizieren. Darüber hinaus soll der vorgeschlagene
Ansatz die Zusammenarbeit zwischen Forschern und Praktikern ermöglichen, um den
Aufwand für die Sammlung des Wissens möglichst gering zu halten. Um diesen Ansatz
und seine Fähigkeit, die Forschungsziele zu erfüllen zu validieren, wurde ein Prototyp
entwickelt und mit einer Nutzerstudie an 17 Teilnehmern aus dem Bereich Softwaretechnik
evaluiert, darunter 7 Studenten, 5 Forscher und 5 Praktiker. Die Ergebnisse zeigen, dass
der Ansatz Softwarearchitekten dabei unterstützen kann, Ungewissheiten in Bezug auf
Vertraulichkeit zu identifizieren und zu beschreiben, auch bei Personen mit begrenztem
Vorwissen, da sie in einer nahezu realen Umgebung Ungewissheiten in 94,4% der Fällen
korrekt identifizieren und beschreiben konnten
Architecture-based Uncertainty Impact Analysis for Confidentiality (Reproduction Set)
No full textReproduction set for master thesis of Niko Benkler. Zip file contains code, data set and installation guides
Intelligent Match Merging to Prevent Obfuscation Attacks on Software Plagiarism Detectors
Get PDFAufgrund der steigenden Anzahl der Informatikstudierenden verlassen sich Dozenten auf aktuelle Werkzeuge zur Erkennung von Quelltextplagiaten, um zu verhindern, dass Studierende plagiierte Programmieraufgaben einreichen. Während diese auf Token basierenden Plagiatsdetektoren inhärent resilient gegen einfache Verschleierungen sind, ermöglichen kürzlich veröffentlichte Verschleierungswerkzeuge den Studierenden, ihre Abgaben mühelos zu ändern, um die Erkennung zu umgehen. Der Vormarsch von ChatGPT hat zusätzliche Bedenken hinsichtlich seiner Verschleierungsfähigkeiten und der Notwendigkeit wirksamer Gegenstrategien aufgeworfen. Bestehende Verteidigungsmechanismen gegen Verschleierung sind oft durch ihre Spezifität für bestimmte Angriffe oder ihre Abhängigkeit von Programmiersprachen begrenzt, was eine mühsame und fehleranfällige Neuimplementierung erfordert. Als Antwort auf diese Herausforderung führt diese Arbeit einen neuartigen Verteidigungsmechanismus gegen automatische Verschleierungsangriffe namens Match-Zusammenführung ein. Er macht sich die Tatsache zunutze, dass Verschleierungsangriffe die Token-Sequenz ändern, um Übereinstimmungen zwischen zwei Abgaben aufzuspalten, sodass die gebrochenen Übereinstimmungen vom Plagiatsdetektor verworfen werden. Match-Zusammenführung macht die Auswirkungen dieser Angriffe rückgängig, indem benachbarte Übereinstimmungen auf der Grundlage einer Heuristik intelligent zusammengeführt werden, um falsch positive Ergebnisse zu minimieren. Die Widerstandsfähigkeit unserer Methode gegen klassische Verschleierungsangriffe wird durch Evaluationen anhand verschiedener realer Datensätze, einschließlich Studienarbeiten und Programmierwettbewerbe, in sechs verschiedenen Angriffsszenarien demonstriert. Darüber hinaus verbessert sie die Erkennungsleistung gegen KI-basierte Verschleierung signifikant. Was diesen Mechanismus auszeichnet, ist seine Unabhängigkeit von Sprache und Angriff, während sein minimaler Laufzeit-Aufwand ihn nahtlos mit anderen Verteidigungsmechanismen kompatibel macht
- …
