@masterthesis{Korn2025, type = {Bachelor Thesis}, author = {Korn, Marie-Luise}, title = {Vergleich von Methoden zur Echtzeit-Hinderniserkennung in Forward-Looking-Sonardaten f{\"u}r die Kollisionsvermeidung}, publisher = {Technische Hochschule Brandenburg}, address = {Brandenburg an der Havel}, doi = {10.25933/opus4-3454}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:522-opus4-34541}, school = {Technische Hochschule Brandenburg}, pages = {74}, year = {2025}, abstract = {Die Bachelorarbeit erkundet die Verwendung eines Forward-Looking-Sonars zur Hinderniserkennung unter Wasser auf dem „Sonobot-5" der Firma EvoLogics. Es werden zwei klassische, ein probabilistischer und ein Deep Learning-basierter Ansatz verglichen. Ziel ist es, eine echtzeitf{\"a}hige Hinderniserkennung zu erm{\"o}glichen, die zur Kollisionsvermeidung verwendet werden kann.}, language = {de} } @article{Vollmer2025, author = {Vollmer, Michael}, title = {Nachtsicht ins All mit dem bloßen Auge: Sag mir, wie weit die Sterne steh'n}, series = {Physik in unserer Zeit}, volume = {2025}, journal = {Physik in unserer Zeit}, publisher = {Wiley}, doi = {10.1002/piuz.202501751}, pages = {2 -- 10}, year = {2025}, language = {de} } @masterthesis{Fillinger2025, type = {Bachelor Thesis}, author = {Fillinger, Camillo}, title = {Entwicklung und Evaluation eines hybriden IDS mit Zeek und Suricata zur automatisierten Regelgenerierung}, publisher = {Technische Hochschule Brandenburg}, address = {Brandenburg an der Havel}, doi = {10.25933/opus4-3494}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:522-opus4-34942}, school = {Technische Hochschule Brandenburg}, pages = {65}, year = {2025}, abstract = {In dieser Arbeit wird ein hybrides Intrusion Detection System (IDS) entwickelt und evaluiert. Das System kombiniert das anomaliebasierte IDS Zeek mit dem signaturbasierten IDS Suricata und einem dazwischen geschalteten Python-Regelgenerator. Zeek analysiert aufgezeichneten Netzwerkverkehr aus dem Datensatz CIC-IDS2017 und schreibt Anomalien in Logdateien, aus denen der Regelgenerator automatisch Suricata-Regeln ableitet. Suricata nutzt diese Regeln zus{\"a}tzlich zu ET Open, um wiederkehrende Angriffe schneller zu erkennen. Die Evaluation erfolgt offline auf PCAP-Dateien und vergleicht drei Konfigurationen: Zeek-Baseline, Suricata-Baseline (ET Open) und die hybride Variante. Bewertet wird anhand von Confusion-Matrixbasierten Metriken (u. a. Recall, Precision, F1-Score, False-PositiveRate). Die Ergebnisse zeigen, dass der hybride Ansatz die Erkennungsrate im Vergleich zu den Baselines deutlich erh{\"o}ht und in mehreren Angriffsszenarien einen Recall nahe 1,0 erreicht. Gleichzeitig steigt jedoch die False-Positive-Rate erheblich an, insbesondere bei komplexem HTTP-Verkehr. Damit beantwortet die Arbeit die Forschungsfrage ambivalent: Die Kopplung von Zeek-Anomalien und automatischer SuricataRegelgenerierung ist technisch machbar und effektiv im Hinblick auf die Angriffserkennung, aber in der vorliegenden Form noch nicht f{\"u}r den produktiven Einsatz geeignet. Der entwickelte Prototyp dient als reproduzierbarer Referenzaufbau und zeigt klar, an welchen Stellen feinere Regelmodelle, Feedback-Mechanismen und realistischere Betriebsumgebungen notwendig sind.}, subject = {Eindringerkennung}, language = {de} }