SAM-Smart steht für „SicherheitsAssistenzManager“, der VerbraucherInnen bei „lästigen“ und „fehleranfälligen“ Sicherheitsaufgaben unterstützen soll, ohne dabei ihre Autonomie einzuschränken. Dieser soll unaufdringlich, aber deutlich sichtbar pro-aktiv vor möglichen Sicherheitsrisiken warnen und mit den VerbraucherInnen mittels Sprache auf natürliche Art und Weise interagieren können, um detaillierte, verständliche Informationen über die Bedrohungslage abfragen zu können.

Im Rahmen des Projekts sollen dazu kostengünstige Sicherheitslösungen und automatisierte KI-basierte Korrekturmaßnahmen für qualitativ niederwertige Produkte für den Massenmarkt erforscht und entwickelt werden. Das Projekt setzt dazu auf ein Living Lab mit Privathaushalten sowie einem Smart Home-Testlabor, um Lösungsansätze erforschen und entwickeln zu können. Wichtige Teile sind dabei die Entwicklung eines Privacy Dashboards und eines ambienten Sicherheitsdisplay, welches Nutzer eine Übersicht über die Sicherheit der eingesetzten Geräte ermöglicht. Weiterhin kommt ein sprachbasiertes Assistenzsystem zum Einsatz. Dies soll es Verbraucher:innen ermöglichen, Smart Home Geräte nach ihren spezifischen Risiken zu beurteilen und darauf basierend Entscheidungen hinsichtlich der Konfiguration und weiteren Nutzung zu treffen (z.B. sichere Router-Konfiguration per Gerät). Ferner werden datenschutzfreundliche Umsetzungsmöglichkeiten für Sprachassistenzsysteme evaluiert.

Das Projekt wird in enger Zusammenarbeit zwischen dem Institut für IT- Sicherheit (Prof. Eisenbarth und Prof. Mohammadi) und dem Institut für Medizinische Informatik (Prof. Marcin Grzegorzek) seitens der Uni Lübeck geführt. Im Mittelpunkt dieser Zusammenarbeit steht die Berücksichtigung von Aspekten der Wahrung der Privatsphäre, des Datenschutzes und der Datensicherheit bei allen Entwicklungen des Instituts für Medizinische Informatik in den Bereichen Mustererkennung und maschinelles Lernen. Unter anderem gilt es auszuschließen, dass immer komplexere Methoden der Mustererkennung, die Rückschlüsse auf immer höheren semantischen Ebenen zulassen, auch bei vermeidlich pseudonymisierten und anonymisierten Datensätzen zur Identifizierung von Personen genutzt werden können. Dies ist besonders wichtig bei der Arbeit mit Gesundheitsdaten bei den Re-Identifikation, sensible medizinische Informationen einer Person exponiert. Die Quantifizierung und Verminderung dieses Risikos ist ein wichtiger Bestandteil ethisch verantwortungsvoller Forschung und des Schutzes der Privatsphäre von Patienten.

Förderung
3,23 Millionen Euro durch das Bundesministerium für Bildung und Forschung (BMBF) zusammen mit den Projektpartnern Universität Siegen, open.INC GmbH, nuspace GmbH, automITe-Engineering GmbH, Langlauf Security Automation GmbH. Das Projekt wird finanziert von der Europäischen Union – Next Generation EU. Förderkennzeichen: 16KISA074.

Projektlaufzeit: Dezember 2022 - Dezember 2025

Links:
Beitrag Uni Lübeck: https://www.uni-luebeck.de/aktuelles/nachricht/artikel/schutz-vor-smart-home-bedrohungen.html
Projektseite: https://samsmart.de/
Beitrag BMBF: https://www.forschung-it-sicherheit-kommunikationssysteme.de/projekte/sam-smart