Kontakt

Bitte kommen Sie bei Bedarf bei mir im Büro vorbei, oder vereinbaren per Email einen Termin mit mir.

Kommunikation

Emails an mich können mit folgenden Schlüsseln verschlüsselt werden.

PGP Schlüssel: download

PGP Fingerabdruck: FC02 6F24 803C F944 5CE1  32C9 E246 00E0 BC0F 483D.

Matthias Matousek

Bis zum Sommer 2015 studierte ich Medieninformatik an der Universität Ulm. Ich verbrachte außerdem von 2013 bis 2014 ein Jahr in den Niederlanden. Dort besuchte ich an den Hochschulen Universität Twente, Technische Universität Eindhoven und Radboud Universität Nijmegen Lehrveranstaltungen des Kerckhoffs Institute zum Thema Computer Security. In meiner Masterarbeit beschäftigte ich mich mit einem sicheren Prozessor mit dem Titel Secure Execution PUF-based Processor (SEPP). Seit dem Sommer 2015 arbeite ich als Wissenschaftlicher Mitarbeiter beim Institut für Verteilte Systeme.

Forschung

Ich interessiere mich generell für Security und Privacy in der Informatik. Speziell arbeite ich an der Privacy im Kontext von vernetzten Fahrzeugen. Zusätzlich interessiere ich mich für private und sichere Kommunikation (wie beispielsweise den Einsatz von Kryptographie in Messenger Diensten), sowie diese benutzerfreundlich zu realisieren.

Lehre

Projekt

Seminare

Abschlussarbeiten und studentische Projekte

Gerne betreue ich studentische Abschlussarbeiten aus dem Themenfeld meiner Forschungsinteressen. Im Folgenden sehen Sie aktuell von mir angebotene Themen für Abschlussarbeiten und Projekte. Laufende und abgeschlossene Arbeiten können hier eingesehen werden.

Verfügbare Themen


Matousek, Matthias
Driving Behaviour Analysis
Bachelor Thesis, Master Thesis, Project
Institute of Distributed Systems, Ulm University,
2018
in Vorbereitung

Zusammenfassung: Connected cars (cars that communicate with a backend) enable numerous interesting and useful applications, such as remote status checking, geofencing applications, or even remote control functionality. However, the backend operator — usually the car manufacturer — potentially gains access to very sensitive information about the users. To investigate the privacy issues, the goal of this thesis or project is to collect data from a vehicle's debugging port and other sensors, such as a smartphone's accelerometers. The collected data should then be analysed to demonstrate the privacy impact. This could include the training of classification algorithms to recognize drivers by their driving styles, or to detect abnormal events in the data traces.

Matousek, Matthias
Optimizing Privacy-Preserving Machine Learning Algorithms
Bachelor Thesis, Master Thesis, Project
Institute of Distributed Systems, Ulm University,
2018
in Vorbereitung

Zusammenfassung: In recent times, Machine Learning is being used for countless applications. It can assist by providing classification, prediction, or anomaly detection. Since many Machine Learning tasks operate on large amounts of data, it is seems natural to utilize cloud computing services. However, this has huge impacts on privacy, as soon as sensitive data is involved. The goal of this thesis or project is to work on efficient machine learning algorithms. This can be the improvement of previous work, or developing new methods to achieve privacy or efficiency goals.

Matousek, Matthias
Privacy Protection Mechanisms for Machine Learning
Bachelor Thesis, Master Thesis, Project
Institute of Distributed Systems, Ulm University,
2018
in Vorbereitung

Zusammenfassung: Machine Learning provides many opportunities, but at the same time constitutes a huge risk for privacy. The goal of this thesis or project is to investigate the privacy risks, and devise appropriate privacy-protection measures. Previous work in this area exists and can be used as a bases.

Matousek, Matthias
Machine Learning on Encrypted Data
Bachelor Thesis, Master Thesis, Project
Institute of Distributed Systems, Ulm University,
2018
in Vorbereitung

Zusammenfassung: Encryption is one of the most reliable techniques for protecting information. However, once data is encrypted, using it becomes very difficult. Goal of this thesis or project, is to explore how Machine Learning algorithms can be designed to be able to deal with encrypted data. Firstly, a survey of existing mechanisms should be conducted. In a second part, algorithms will be comparatively implemented, or own encryption mechanisms introduced.

Publikationen


2018

Matousek, Matthias; Yassin, Mahmoud; Al-Momani, Ala'a; van der Heijden, Rens; Kargl, Frank
Robust Detection of Anomalous Driving Behavior
IEEE 87th Vehicular Technology Conference (VTC)
Juni 2018
akzeptiert

2016

Berlin, Olga; Held, Albert; Matousek, Matthias; Kargl, Frank
POSTER: Anomaly-Based Misbehaviour Detection in Connected Car Backends
2016 IEEE Vehicular Networking Conference (VNC)
Oktober 2016
Matousek, Matthias; Bösch, Christoph; Kargl, Frank
Using Searchable Encryption to Protect Privacy in Connected Cars
Proceedings of the 4th GI/ITG KuVS Fachgespräch Inter-Vehicle Communication
2016

2015

Kleber, Stephan; Unterstein, Florian; Matousek, Matthias; Kargl, Frank; Slomka, Frank; Hiller, Matthias
Design of the Secure Execution PUF-based Processor (SEPP)
Workshop on Trustworthy Manufacturing and Utilization of Secure Devices, TRUDEVICE 2015
September 2015
Kleber, Stephan; Unterstein, Florian; Matousek, Matthias; Kargl, Frank; Slomka, Frank; Hiller, Matthias
Secure Execution Architecture based on PUF-driven Instruction Level Code Encryption
IACR,
Juli 2015

2012

Nikolov, Vladimir; Matousek, Matthias; Rautenbach, Dieter; Draque Penso, Lucia; Hauck, Franz J.
ARTOS: System Model and Optimization Algorithm
Dokument Nummer: VS-R08-2012
Institute of Distributed Systems, University of Ulm,
Dezember 2012
Export als: BibTeX, XML