TY - THES A1 - Gomez Buquerin, Kevin T1 - Unveiling Hidden Knowledge: On the Effectiveness in Automotive Digital Forensics N2 - The continuous introduction of new services in modern automotive systems increases their digital capabilities and growing significance for digital forensic investigations. Those investigations are necessary to reconstruct events of potential crimes, generate security learnings, or resolve insurance cases due to the increased attack surface resulting from the increasing digital capabilities of modern vehicles. Consequently, the acquisition of vehicle and vehicle ecosystem components, as well as analysis of the collected data, has become pivotal for investigators seeking to reconstruct events effectively. This dissertation proposes a novel approach to leverage a multi-layered model utilizing ontologies in automotive digital forensics investigations, facilitating more efficient and effective data analysis by combining information from diverse sources. By harnessing ontologies to reuse knowledge collected from past investigations, investigators can seamlessly combine data from multiple sources, unveil hidden knowledge, and establish connections that might have otherwise remained obscure, thereby aiding in the resolution of crimes and apprehending criminals. A multi-layered model is presented to showcase increased effectiveness achieved through knowledge reuse. The model comprises a query layer that serves as an interface between investigators and the knowledge layer, allowing automotive digital forensics stakeholders to pose forensic questions and hypotheses via SPARQL queries. These queries extract data from the knowledge layer, which consists of two ontologies developed for this study: the general vehicle ontology, offering comprehensive knowledge on modern vehicles, and the vehicle type ontology, containing vehicle-specific knowledge, such as information from a Tesla Autopilot. The knowledge is generated through the operational layer, which introduces digital forensics tools generating results in an ontology-ready format. Two real-world investigations were undertaken to validate the effectiveness of the proposed approach: a thorough examination of the Tesla Autopilot system and an in-depth inquiry involving a GM Airbag control module. Both investigations involved crucial evidence items highly relevant for event reconstruction. The results demonstrate a significant increase in the effectiveness of automotive digital forensics investigations using the multi-layered model. This improvement is validated through three evaluation criteria and twelve metrics to show the application proximity of the multi-layered model. N2 - Durch die kontinuierliche Einführung neuer Dienste in modernen Automobilsystemen steigen deren digitale Fähigkeiten und ihre Bedeutung für digitalforensische Untersuchungen. Diese Untersuchungen sind notwendig, um Ereignisse potenzieller Straftaten zu rekonstruieren, Sicherheitserkenntnisse zu gewinnen oder Versicherungsfälle zu klären, da sich die Angriffsfläche aufgrund der zunehmenden digitalen Fähigkeiten moderner Fahrzeuge vergrößert hat. Folglich ist die Erfassung von Fahrzeugkomponenten und Bestandteile des Fahrzeugökosystems, sowie die Analyse der gesammelten Daten für Ermittelnde, die die Ereignisse effektiv rekonstruieren wollen, von zentraler Bedeutung. In dieser Dissertation wird ein neuartiger Ansatz zur Nutzung eines mehrschichtigen Modells unter Verwendung von Ontologien bei digitalen fahrzeugforensischen Untersuchungen vorgeschlagen, der eine effizientere und effektivere Datenanalyse durch die Kombination von Informationen aus verschiedenen Quellen ermöglicht. Durch die Nutzung von Ontologien zur Wiederverwendung von Wissen aus früheren Ermittlungen können Ermittelnde Daten aus verschiedenen Quellen nahtlos kombinieren, verborgenes Wissen aufdecken und Verbindungen herstellen, die andernfalls möglicherweise im Dunkeln geblieben wären, und so bei der Aufklärung von Verbrechen und der Festnahme von Kriminellen helfen. Es wird ein mehrschichtiges Modell vorgestellt, um die durch die Wiederverwendung von Wissen erzielte höhere Effektivität zu demonstrieren. Das Modell umfasst eine Abfrageschicht, die als Schnittstelle zwischen Ermittelnde und der Wissensschicht dient und es den Beteiligten der digitalen Fahrzeugforensik ermöglicht, forensische Fragen und Hypothesen über SPARQL-Abfragen zu stellen. Diese Abfragen extrahieren Daten aus der Wissensschicht, die aus zwei für diese Studie entwickelten Ontologien besteht: der allgemeinen Fahrzeugontologie, die umfassendes Wissen über moderne Fahrzeuge bietet, und der Fahrzeugtypontologie, die fahrzeugspezifisches Wissen enthält, wie z. B. Informationen über einen Tesla Autopiloten. Das Wissen wird durch die operative Schicht generiert. Diese führt digitale Forensik-Tools ein, welche die Ergebnisse in einem Ontologie-kompatiblen Format erzeugen. Zwei reale Untersuchungen wurden durchgeführt, um die Wirksamkeit des vorgeschlagenen Ansatzes zu validieren: eine Untersuchung des Tesla-Autopilot-Systems und eine eingehende Untersuchung eines GM-Airbag-Steuermoduls. Beide Untersuchungen beinhalteten entscheidende Beweismittel, die für die Rekonstruktion von Ereignissen von großer Bedeutung sind. Die Ergebnisse zeigen eine signifikante Steigerung der Effektivität digitaler forensischer Untersuchungen im Automobilbereich, durch die Verwendung des mehrschichtigen Modells. Diese Verbesserung wird durch drei Bewertungskriterien und zwölf Metriken validiert, um die Anwendungsnähe des mehrschichtigen Modells aufzuzeigen. T2 - Enthüllung von verborgenem Wissen: Über die Effektivität der digitalen Fahrzeugforensik UR - https://doi.org/10.25593/open-fau-205 Y1 - 2024 UR - https://doi.org/10.25593/open-fau-205 UR - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:573-44402 PB - Friedrich-Alexander-Universität Erlangen-Nürnberg CY - Erlangen ER - TY - THES A1 - Thambi, Joel Luther T1 - Reliability assessment of lead- free solder joint, based on high cycle fatigue & creep studies on bulk specimen T2 - Zuverlässigkeitsbeurteilung von Pb-freien Lot Verbindung unter Ermüdung und Kriechen auf Probenebene UR - https://depositonce.tu-berlin.de/handle/11303/7997 KW - creep model KW - solder joint KW - FKM guideline KW - fatigue KW - vibration KW - Kriechmodell KW - Lötstelle KW - FKM-Richtlinie KW - Ermüdung Y1 - 2018 UR - https://depositonce.tu-berlin.de/handle/11303/7997 PB - Technische Universität Berlin CY - Berlin ER - TY - THES A1 - Nebl, Christoph T1 - Electrical characterisation of lithium-ion cells above their operating range UR - https://researchrepository.rmit.edu.au/esploro/outputs/9922163713001341 Y1 - 2021 UR - https://researchrepository.rmit.edu.au/esploro/outputs/9922163713001341 PB - RMIT University CY - Melbourne ER - TY - THES A1 - Delooz, Quentin T1 - Sensor Data Sharing in V2X Communications: Protocol Design and Performance Optimization of Collective Perception Y1 - 2023 UR - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:se:hh:diva-50463 SN - 978-91-89587-06-9 SN - 978-91-89587-07-6 PB - Halmstad University Press CY - Halmstad ER -