Master-Seminar: Forschungstrends der Softwaretechnik

Die Anmeldung zum Seminar erfolgt zentral. Nach der Zuteilung werden die Teilnehmer per E-Mail kontaktiert. Bitte kontaktieren Sie Raffaela Groner bei Fragen oder Problemen zur Veranstaltung oder zum Zuteilungsprozess.

Inhalte

Es gibt kaum einen Tag ohne Nachrichten über geleakte Kundeninformationen oder Ähnliches. Allein 2021 hatten Unternehmen in Deutschland Schäden von durchschnittlich 21000$ allein durch Hacking-Angriffe. Das solche Angriffe auch Security Risiken mit sich bringen zeigt ein Fall aus 2015. Durch einen Softwarefehler in dem Infotainmentsystem eines Autos, konnten Angreifer unter anderem auf sensible Fahrerinformationen zugreifen. Dadurch wird deutlich, dass Safety- und Security-Aspekte gemeinsame betrachtet werden müssen. Bei selbstadaptiven Systemen kommt erschwerend hinzu, dass diese sich zur Laufzeit an ihre Umgebung anpassen und man damit zur Designzeit nicht alle Informationen für eine Safety- und Security-Analyse zur Verfügung hat. Zusätzlich bietet die Adaption eventuell neue Angriffspunkte für Hacker.

Daher beschäftigen wir uns in diesem Semester im Master-Seminar „Forschungstrends der Softwaretechnik“ mit verschiedenen Aspekten der Safety- und Security-Analyse von selbstadaptiven Systemen.

Lernziele

Studierende vertiefen ihre Kenntnisse im selbständigen Arbeiten mit wissenschaftlicher Literatur so wie im präsentieren von erarbeiteten Inhalten in Form einer Präsentation und in der Form einer wissenschaftlichen Ausarbeitung.

Vergangene Veranstaltungen

Tobias Heß, Chico Sundermann, Thomas Thüm

Variabilität von (Software-) Produktlinien kann durch Feature Modelle modelliert werden. Diese Modelle werden, klassischerweise, mit SAT-, #SAT- oder SMT-Solvern analysiert. Während einzelne Analysen meistens gut skalieren, verhindert die große Anzahl an Solveraufrufen die Analyse großer Feature Modelle (zum Beispiel "Linux" oder einige automotive Produktlinien). Knowledge Compilation beschreibt die Aufteilung der Analysen in eine einmalige Offline-Phase, in welcher unter großem Aufwand eine Datenstruktur berechnet wird, und einer Online-Phase, in welcher die Analysen auf der Datenstruktur ausgeführt werden. Typische Datenstrukturen sind hierbei d-DNNFs (deterministic Decomposable Negation Normal Form), BDDs (Binary Decision Diagrams) sowie MIGs (Modale ImplikationsGraphen).
Im Seminar soll das Thema "Knowledge Compilation" sowohl theoretisch, als auch anwendungsbezogen, im Kontext der Analyse von Feature Modellen, betrachtet werden.

Prof. Dr. Matthias Tichy, Stefan Götz

Programmiersprachen gibt es heutzutage wie Sand am Meer und in den unterschiedlichsten Formen. Täglich werden neue Sprachfeatures und ganze Sprachen entwickelt. Dennoch dürfen essentielle Eigenschaften wie die Performance, Lesbarkeit, Erlernbarkeit und viele andere niemals außer acht gelassen werden, denn sonst finden Sprachen keinen Anklang bei Entwicklern in Forschung und Industrie. Das Seminar richtet seinen Fokus auf verschiedenste Evaluationstechniken von unterschiedlichen Eigenschaften wie sie in der aktuellen Literatur entwickelt und angewendet werden.

Materialien

Alle weiteren Informationen im Moodle-Kurs (Teilnehmer wurden eingetragen).