Suche

Einladung zum öffentlichen Rigorosum von Herrn Bernhard Brenner MSc, BSc

E389 / News / Einladung zum öffentlichen Rigorosum von Herrn Bernhard Brenner MSc, BSc
09. July 2026
Titel der Dissertation:
Machine Learning-based Anomaly Detection in Industrial Control
System Networks
from data to model
from data to model_BB

Prüfungssenat:

Univ.-Prof.Dr. Tanja Zseby / E 389 (BetreuerIn)

Prof. Paul Smith / Lancaster University

Prof. Norbert Pohlmann / Westfälische Hochschule

ao.Univ.-Prof.Dr. Thilo Sauter / E 384 (Vorsitz)

Abstract
Intrusion detection systems (IDS) offer significant advantages for industrial control system (ICS) networks by providing real-time insight into data flows, enabling the detection of malicious network behavior, identifying previously unknown hosts, and allowing ongoing attacks to be detected and responded to. Anomaly-based approaches are particularly suited to ICS networks, as network traffic in such environments is typically far more deterministic, and infrastructure changes occur far less frequent than in conventional IT networks. Anomaly-based approaches are particularly suited to ICS networks, as network traffic in such environments is typically far more deterministic, and infrastructure changes occur far less frequent than in conventional IT networks.Anomaly-based approaches are particularly suited to ICS networks, as network traffic in such environments is typically far more deterministic, and infrastructure changes occur far less frequent than in conventional IT networks.However, many modern commercial IDS rely primarily on signature-based detection and therefore fail to exploit useful, domain specific characteristics of ICS traffic. In this dissertation, we investigate the potential of machine-learning-based IDSs in ICS networks. We develop, evaluate, and demonstrate an approach for reliably detecting novel or concealed attacks in industrial control systems (ICS) networks. We first identify suitable machine learning classifiers and parameters for reliable anomaly detection based on the current state of scientific literature. Since encryption has become the norm in ICS networks, we limit our methods to those that can handle encrypted traffic. We include findings from previous work at our institute on feature selection for encrypted traffic and use practical experiments to compare methods and determine optimal parameter settings. Based on these findings, we select a set of candidates for further investigation: Random forest, one-class support vector machine, two different autoencoders, and clustering. Next, we develop a lab prototype to compare the chosen classifier candidates under controlled conditions. For the evaluation, we use a public IT dataset and our own recorded ICS datasets, obtained at the TU Wien pilot factory in Vienna, Austria. We then investigate the relevant relations between security and safety. Safety is a primary concern in ICS networks, and security and safety measures may conflict. We then create a method to assess potential safety consequences of attacks in an automated way. In the next step, we develop the second prototype, the safety-aware prototype, which integrated safety considerations into the IDS. Our method can evaluate the feasibility of accounting for safety consequences. Our method assigns a priority score to each security-related incident, enabling operators to prioritize and act more efficiently when multiple incidents occur simultaneously. Lastly, we design a practically deployable live prototype: A neural network learns the typical network traffic for the specific network over a defined period of time. During training, this IDS tailors itself to the specific network it is used in and can alert if a host shows a significant behavior change. This way, it can reliably detect both known and unknown attacks, including those in encrypted network traffic.

Termin: 09. Juli 2026, 10:00 Uhr

Ort: Seminarraum 384, CD 02 04

Veranstalter: Dekanat  der Fakultät für Elektrotechnik und Informationstechnik

Einladung BRENNER Bernhard_Rigorosum PDF158.58 KB

Hinweis zu Cookies

Unsere Website verwendet Cookies, um die grundlegende Funktionalität unserer Website zu gewährleisten sowie die Zugriffe auf unserer Website zu analysieren und um Funktionen für soziale Medien und zielgerichtete Werbung anbieten zu können. Hierzu ist es nötig Informationen an die jeweiligen Dienstanbieter weiterzugeben. Weitere Informationen zu Cookies auf der Website finden Sie in unserer Datenschutzerklärung.

  • Diese Cookies werden für eine reibungslose Funktion unserer Website benötigt.

    Name Zweck Ablauf Typ Anbieter
    wordpress_test_cookie Test cookie zum Testen, ob Cookies gesetzt werden können. 1 Jahr HTTP Homepage TUW
    PHPSESSID Wird von WordPress verwendet, um den Status Ihrer aktuellen Benutzersession über mehrere Seitenanfragen hinweg zu bewahren. Session HTTP Homepage TUW
    wordpress_logged_in_{hash} Wird von Wordpress verwendet, um die Benutzer eingeloggt zu lassen. {hash} repräsentiert einen einmaligen Benutzertoken. 1 Jahr HTTP Homepage TUW
    wp-settings-time-{id} Dient zur Anpassung der Ansicht der Verwaltungsoberfläche und möglicherweise auch der Hauptschnittstelle der Website. 1 Jahr HTTP Homepage TUW
    wordpress_sec_{hash} Dieses Cookie wird verwendet, um Ihre Authentifizierungsdaten zu speichern. Die Verwendung ist auf den Bereich der Verwaltungskonsole beschränkt. {hash} repräsentiert einen einmaligen Benutzertoken. 1 Jahr HTTP Homepage TUW
    wp-settings-{id} Dient zur Anpassung der Ansicht der Verwaltungsoberfläche und möglicherweise auch der Hauptschnittstelle der Website. 1 Jahr HTTP Homepage TUW
    wp-wpml_current_language Speichert die aktuelle Sprache. Dieses Cookie ist standardmäßig auf Websiten aktiviert, um die Funktion der Sprachfilterung für AJAX-Operationen verwenden zu können. 1 Tag HTTP Homepage TUW
    wp-wpml_current_admin_language_{hash} Speichert die aktuelle Sprache des WordPress-Administrationsbereichs. {hash} repräsentiert einen einmaligen Benutzertoken. 1 Tag HTTP Homepage TUW
    CookieConsent_117a3e Speichert Ihre Einstellungen zur Verwendung von Cookies auf dieser Website. 1 Jahr HTML Homepage TUW

  • Mit Hilfe dieser Cookies können wir unser Angebot laufend verbessern und unsere Website an Ihre Bedürfnisse anpassen. Dabei werden pseudonymisierte Daten über die Websitenutzung gesammelt und statistisch ausgewertet.

    Name Zweck Ablauf Typ Anbieter
    _pk_id.136.56ce Wird verwendet, um ein paar Details über den Benutzer wie die eindeutige Besucher-ID zu speichern. 13 Monate HTML Matomo TUW
    _pk_ref Wird benutzt, um die Informationen der Herkunftswebsite des Benutzers zu speichern. 6 Monate HTML Matomo TUW
    _pk_ses.136.56ce Wird benötigt, um vorübergehende Daten des Besuchs zu speichern. 30 MInuten HTML Matomo TUW