bVAST: Approximative Intervall-Filter für daten-getriebene Monitoring-Infrastrukturen in der Cyber-Sicherheit

• Antragsteller: Professor Dr.-Ing. Ilia Petrov
• Fachliche Zuordnung: Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme ; Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2026
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 569116084

Aufgrund des Datenaufkommens in Cybersicherheits-Monitoring-Plattformen in großen Organisationen entstehen Datenbestände, die Terabyte bis Petabyte groß sind. Analytische Operationen sind ein zentraler Bestandteil bei der Erkennung und Aufarbeitung von Cyberangriffen, um z.B. sog. Top-Talker oder schwache Einzelsignale herauszustellen. Zum Entwickeln von Detektionen werden häufig hochselektive Teilmengen der Daten mit hoher Bandbreite benötigt, um beispielsweise ML-Modelle zu trainieren und zu testen. Vor diesem Hintergrund, ist approximative Intervall-Filterung wesentlich für schnelle Eingrenzung relevanter Daten. Im Rahmen unserer Vorarbeiten wurde einen Ansatz (namens bloomRF) für approximative Intervall-Beprobung entwickelt, der online-fähig ist und die Beprobung von kleinen bis großen Spannen mit annehmbarer Genauigkeit erlaubt. Das Hauptziel des vorliegenden Transfervorhabens ist die Integration von bloomRF in die quelloffene Security-Daten-Plattform TENZIR, um die Analyse und Ermittlung von sicherheits-relevanter Vorfälle (sog. Security Incidents) zu beschleunigen und die Betriebskosten durch effizientere Suchabfragen zu senken.

• DFG-Verfahren: Sachbeihilfen (Transferprojekt)
• Anwendungspartner: Tenzir GmbH