Anonymisierung von Flottendaten: Machine-Learning im Vergleich mit k-Anonymität

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Bachelorarbeit / Semesterarbeit / Masterarbeit /
Inhalt
experimentell /  
Beschreibung

Heutige und zukünftige Smart Devices und Fahrzeuge sammeln durchgängig Daten zur Verbesserung von Kundenfunktionen und zur Entwicklung von neuen Technologien wie autonomes Fahren. Diese Daten beinhalten persönliche Informationen, wie genaue Fahrzeugpositionen und Trajektorien und müssen anonymisiert werden, um nachhaltig verwendbar zu sein.

Ziel     

Im Rahmen der Arbeit soll eine Übersicht über Anonymisierungsmethoden von Trajektoriendaten erarbeitet werden. Im Anschluss wird eine Machine-Learning basierte Anonymisierung implementiert, sowie eine klassische Methode zur Anonymisierung von Flottendaten und ein Vergleich der beiden Methoden über einem vorhandenen Datensatz erstellt.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Implementierung einer Machine-Learning based Anonymisierungsmethode
  • Implementierung einer auf k-Anonymität basierenden Methode
  • Anwendung und Vergleich der Methoden anhand aktueller Realdaten

Wir suchen:

  • Begeisterung für Machine-Learning und dem Einsatz mit Realdaten
  • Interesse and Data-Engineering
  • Programmierkenntnisse in Python und SQL

Wir bieten:

  • Interdisziplinäre Themen und Kompetenzen im (Informatik, Mathematik, Maschinenbau) Smart Mobility Team
  • Zugang zur größten Mobilitätsdatenbank der TU München
  • Aktive Einbindung in ein laufendes Forschungsprojekt mit Möglichkeiten zur Erstellung einer Veröffentlichung

Themensteller: Prof. Dr.‑Ing. M. Lienkamp       Betreuer: Fabian Netzler, M. Sc. Informatics

 

 

Tags
FTM Studienarbeit, FTM Smarte Mobilität, FTM Netzler, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Fabian Netzler, M. Sc.
Tel.: +49 89 289 16598
fabian.netzlertum.de