Datenschutz und Datensouveränität

Daten sind ein essenzielles Gut in nahezu allen wirtschaftlichen Bereichen geworden. Während administrative und industrielle Prozesse kontinuierlich weiter digitalisiert werden, hat das Management von digitalen Daten und digitalem Wissen zudem neue Branchen entstehen lassen.

Aktuell beobachten wir in dieser Entwicklung einen Wandel hin zum verstärkten Austausch digitaler Daten über Firmengrenzen hinweg. Dieser Wandel bringt neue Herausforderungen für Wirtschaftspartner sowie Privatpersonen mit sich. Anders als physische Güter können Daten beliebig vervielfältigt und ohne Zustimmung der eigentlichen Eigentümer ausgewertet werden. Neben kritischen Gütern wie Firmengeheimnissen können beispielsweise auch Kundendaten geleakt werden und massive Schäden für die Betroffenen Firmen und ihre Kunden verursachen.

Daher fokussiert sich die Forschungsgruppe Datenschutz und Datensouveränität auf sämtliche Fragen im Spannungsfeld zwischen technisch realisierbarem Datenschutz auf der einen Seite sowie der gewinnbringenden Analyse, Verarbeitung und des Austauschs der Daten auf der anderen Seite.

Insbesondere das immer stärker aufkommende Paradigma der Datensouveränität verspricht, Datensilos aufzubrechen und somit Daten wirtschaftspartnerübergreifend nutzbar zu machen, die bislang nicht mit anderen geteilt werden konnten. Diese und verwandte Aspekte werden insbesondere durch moderne Rechtsprechung, wie der DSGVO, weiter hervorgehoben, gefördert, und gefordert.

Hierzu bedarf es der Konzeptionierung, Entwicklung und Bewertung neuer technischer Bausteine und Gesamtsysteme, damit Firmen den wirtschaftlichen Nutzen des Datenaustauschs ausnutzen können, dabei aber sich und ihre Kunden bestmöglich schützen.

Unsere Forschungsgruppe untersucht daher, wie im Kontext von, unter anderem, dem Training künstlicher Intelligenzen (z.B. Large Language Models) oder dem großflächigen Austausch von Prozessdaten in Data Spaces, entsprechende Garantien unter möglichst geringem Mehraufwand und auf die Anwendung zugeschnitten technisch realisiert werden können.

Beispielsweise greifen wir bedarfsorientiert auf unsere Expertise in den Bereichen Secure Multi-Party Computation (SMPC), Homomorphic Encryption (HE), Differential Privacy (DP), aber auch unsere Erfahrung mit verteilten Systemen, insbesondere Data Spaces und Blockchain Technologie, zurück.

Wir sind spezialisiert in der Unterstützung und Entwicklung von Lösungen für:

  • Das Finden eines Gleichgewichts zwischen Datenschutz und Nutzbarkeit von Daten zum Zwecke der Datenanalyse und künstlichen Intelligenz.
  • Durchsetzbare Garantien zum Schutze von Daten vor, während, und nach der Verarbeitung.
  • Die Erweiterung bestehender Datenverarbeitungsprozesse um Anonymisierung und Differential Privacy.
  • Den Austausch mit Juristen, um die Einhaltung der DSGVO und verwandter gesetzlicher EU-Vorgaben von bestehenden und neu entwickelten Lösungen zu evaluieren.

Publikationen

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2023 DGA Detection Using Similarity-Preserving Bloom Encodings
Nitz, Lasse; Mandal, Avikarsha
Konferenzbeitrag
Conference Paper
2022 SASP: a Semantic web-based Approach for management of Sharable cybersecurity Playbooks
Akbari Gurabi, Mehdi; Mandal, Avikarsha; Popanda, Jan; Rapp, Robert; Decker, Stefan
Konferenzbeitrag
Conference Paper
2022 From Collaboration to Automation: A Proof of Concept for Improved Incident Response
Nitz, Lasse; Zadnik, Martin; Akbari Gurabi, Mehdi; Obrecht, Mischa; Mandal, Avikarsha
Zeitschriftenaufsatz
Journal Article
2021 Towards Privacy-Preserving Classification-as-a-Service for DGA Detection
Drichel, Arthur; Akbari Gurabi, Mehdi; Amelung, Tim; Meyer, Ulrike
Konferenzbeitrag
Conference Paper
2021 Towards Privacy-Preserving Sharing of Cyber Threat Intelligence for Effective Response and Recovery
Nitz, Lasse; Akbari Gurabi, Mehdi; Mandal, Avikarsha; Heitmann, Benjamin
Zeitschriftenaufsatz
Journal Article
2020 The 2nd international workshop on next generation security operations centers (NG-SOC 2020)
Chiscop, I.; Jirsik, T.; Mandal, A.; Piatkowska, E.
Konferenzbeitrag
Conference Paper
2017 k - RDF-neighbourhood anonymity. Combining structural and attribute-based anonymisation for linked data
Heitmann, B.; Hermsen, F.; Decker, S.
Konferenzbeitrag
Conference Paper
2016 Towards the use of graph summaries for privacy enhancing release and querying of linked data
Heitmann, Benjamin; Hermsen, Felix; Decker, Stefan
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica