Ausgezeichnete Studierende

Leistungstr├Ąger des Dualen Studiengang

 

Essentieller Bestandteil des Studiengangs Informatik dual ist die Verzahnung von Theorie und Praxiswissen, welches die Studierenden unter anderem durch Praxisprojekte erlangen. Die theoretischen Anteile des Studiums werden in regul├Ąren Vorlesungen vermittelt, die durch Seminare erg├Ąnzt sind, in denen die Studierenden wissenschaftliche Ausarbeitungen eigenst├Ąndig verfassen.

Immer wieder werden dabei Ergebnisse erzielt, die sowohl von besonderer Qualit├Ąt sind, als auch als Referenz und Motivation f├╝r zuk├╝nftige Studierende dienen. Im Folgenden finden Sie eine Auswahl solcher Leistungen.

 


Nils Rogmann

AbschlussMaster of Science
ReferentProf. Dr. Klaus Kasper
AuszeichnungBSI Best Student Award
UnternehmenControlware GmbH

 

Nils Rogmann studierte an der Hochschule Darmstadt und beendete sein Informatik dual Masterstudium 2017 mit einer exzellenten Abschlussarbeit. Er bewies eindrucksvoll, wie basierten auf einer Praxisphasenausarbeitung, eine anspruchsvolle wissenschaftliche Fragestellung f├╝r Masterarbeiten abgeleitet werden, die anschlie├čend als Paper ver├Âffentlicht werden. Das entstandene Paper wurde vom Bundesamt f├╝r Sicherheit in der Informationstechnik auf dessen IT-Sicherheitskongresses mit dem Best Student Award und dem CAST/GI Promotionspreis in IT-Sicherheit ausgezeichnet.

Sein Paper handelt von:

Eine zuverl├Ąssige Erkennung von sogenannten Infektion- Proxys, die immer h├Ąufiger zur automatisierten Manipulation von unverschl├╝sselt oder unzureichend verschl├╝sselt ├╝bertragenen Dateien einige setzt werden, stellt trotz einiger bereits in der Fachwelt diskutierter Ans├Ątze eine bisher nicht gel├Âste Herausforderung dar. Innerhalb dieser wissenschaftlichen Arbeit wird daher ein neuartiges statistisches Verfahren, welches eine effiziente Detektion dieser infizierenden Proxys erm├Âglichen soll, vorgestellt. Das entwickelte Verfahren wird dar├╝ber hinaus in Form eines Prototyps implementiert und der Allgemeinheit unter der GNU GPLv3 zur Verf├╝gung gestellt.

 

ArbeitstypName inklusive Download-Link
PraxisphasenberichtAutomatisierte Erkennung von Infection - Proxys mithilfe von statistischer Analyse
MasterarbeitAutomatisierte Erkennung von Daten - Exfiltration mithilfe von statistischer Analyse und maschinellem Lernen
Ver├Âffentlichtes PaperAutomatisierte Erkennung von Infection-Proxys mithilfe von statistischer Analyse