Search

Die wachsende Komplexität moderner Informationssysteme erschwert die Nachvollziehbarkeit der Speicherung und Verarbeitung personenbezogener Daten. Der einzelne Bürger ist den Systemen quasi ausgeliefert. Das Datenschutzrecht versucht dem entgegenzuwirken. Transparenz, das Recht zu wissen, wer was wann und bei welcher Gelegenheit über einen selbst weiß, ist ein fundamentales Grundrecht. Ein Werkzeug des Datenschutzes zur Herstellung von Transparenz ist der Auskunftsanspruch. Da bisher jedoch eine technische Unterstützung für die Erteilung von Auskünften fehlt, erhalten Betroffene meist nur statische Datenbankauszüge und keine aussagekräftigen Informationen über vergangene Datenerhebungen, Weitergaben und Informationsflüsse. Die neuere Forschung arbeitet auf automatisierte Trackingmechanismen für personenbezogene Daten hin. Aus der entstehenden Personal-Data-Provenance kann dann eine vollständige Datenschutzauskunft abgeleitet und auf einer elektronischen Auskunftsplattform bereitgestellt werden. Dieses Ziel wurde allerdings noch nicht vollständig erreicht. Die Anforderungen des Datenschutzes an eine elektronische Datenschutzauskunft wurden bislang nicht ausreichend systematisch berücksichtigt und umgesetzt. Die Struktur der Personal-Data-Provenance, deren konfigurierbare, verteilte Erfassung und die Zusammenführung der Personal-Data-Provenance zum Zeitpunkt eines Auskunftsersuchens sind ungeklärt. Die Datenschutzauskunft und die übrigen Betroffenenrechte sind bis dato nicht miteinander verwoben. Die durch die zusätzlichen Trackingdaten entstehenden Profilbildungsrisiken automatisierter Auskunftssysteme werden nicht adressiert. Diese Arbeit unterzieht das Recht auf Auskunft einer kritischen Würdigung als Teil des datenschutzrechtlichen Transparenzgedankens und schafft umfassende technische Voraussetzungen für die Wahrnehmung des Rechts auf Auskunft. Die Beiträge dieser Arbeit sind wie folgt: (1) Die Einbindung des Rechts auf Auskunft in die verfassungsrechtliche und e, The ever-growing levels of complexity of modern information systems complicate the traceability of processed and stored personal data. The individual citizen is at the mercy of the systems. Data protection law tries to counteract this. Transparency - the right to know who knows what, when, and on which occasion about oneself - is a fundamental right of the German constitution. The right to information is one instrument of data protection to establish transparency. Since there still is a lack of functionality in regards to transparency, the person concerned usually merely receives a static database snapshot. Obtaining no meaningful information about collection, transfer, and other flows of personal data. Recent research efforts evolve around automated tracking mechanisms for personal data. All information required can be derived from the resulting personal data provenance. This information must be visualized comprehensible for the person concerned. However, this objective has not yet been fully achieved. The data protection requirements for an electronic response to an information request have not yet been systematically considered. The data structure of personal data provenance is unclear. Its configurable, distributed collection and its aggregation at the time of an information request prove to be research gaps. It is an established fact that the right to information and other rights of the person concerned have not yet been technically interwined. The resulting tracking data raises new issues of data protection law itself. They allow extensive profiling which has not been addressed. In the work at hand the right to information is critically assessed with a focus on the notion of transparency. Furthermore, the technical requirements to exercise the right to information are created. The contributions of this work are as follows: (1) The implementation of the right to information in constitutional and legal structures of data protection is examined. The relevance of

Software architecture is a set of architectural design decisions (ADDs). Due to time constraints, these decisions are not explicitly documented. We present a tool (ADeX) to manage ADDs and support the decision-making process. Using ADeX, one can answer: “What decisions have been made?”, “Which elements and quality attributes are affected by a decision?”, “Who should make a new decision?”, “Which similar decisions have been made?”, and “What alternatives to consider while making a decision?”., Eine Softwarearchitektur ist eine Menge von Designentscheidungen. Aus Zeitgründen werden diese Entscheidungen nicht explizit dokumentiert. Wir stellen ein Tool namens ADeX vor, um Designentscheidungen zu verwalten und den Entscheidungsprozess zu unterstützen. Mit ADeX können Stakeholder folgende Fragen beantworten: „Welche Entscheidungen wurden bereits getroffen?”, „Welche Architekturelemente und Qualitätsattribute werden von einer Entscheidung beeinflusst?”, „Wer sollte in eine neue Entscheidung involviert sein?”, „Welche ähnlichen Entscheidungen wurden bereits getroffen?” und „Welche Alternativen sollten beim Treffen einer Entscheidung berücksichtigt werden?”.

This dissertation presents a model-based performance evaluation approach for big data systems and supports engineers to predict the software performance for upscaling scenarios. The approach introduces a domain-specific language to describe performance-relevant characteristics of such systems and demonstrates methods to automatically extract and simulate instances of this language by using performance measurements. The proposed methods are evaluated in multiple experiments for different big data benchmark applications., Diese Dissertation stellt einen modellbasierten Ansatz zur Performanceevaluation von Big Data Systemen vor und unterstützt Softwareentwickler und IT-Administratoren bei der Vorhersage der Softwareperformance für Scale-up Szenarien. Der Ansatz führt eine domänenspezifische Sprache zur Beschreibung performancerelevanter Eigenschaften solcher Systeme ein und demonstriert Methoden zur automatischen Extraktion und Simulation von Instanzen dieser Sprache unter Einbezug von Performancemessdaten. Die vorgeschlagenen Methoden werden in mehreren Experimenten für verschiedene Big Data Benchmarkanwendungen evaluiert.

This thesis provides a new, hybrid approach in the field of Distributed Data Usage Control (DUC), to track the flow of data inside applications. A combination between static information flow analysis and dynamic data flow tracking enables to track selectively only those program locations that are actually relevant for a flow of data. This ensures the portability of a monitored application with low performance overhead. Beyond that, DUC systems benefit from the present approach as it reduces overapproximation in data flow tracking, and thus, provides a more precise result to enforce data usage restrictions., Diese Thesis liefert einen neuartigen hybriden Ansatz auf dem Gebiet von Distributed Data Usage Control (DUC), um den Datenfluss innerhalb einer Anwendung zu überwachen. Eine Kombination aus statischer Informationsflussanalyse und dynamischer Datenflussüberwachung ermöglicht die selektive, modulare Überwachung derjenigen Programmstellen, welche tatsächlich relevant für einen Datenfluss sind. Dadurch wird die Portabilität einer zu überwachenden Anwendung, bei geringem Performance Overhead, sichergestellt. DUC Systeme profitieren vom vorliegenden Ansatz vor allem dadurch, dass Überapproximation bei der Datenflussüberwachung reduziert wird, und somit ein präziseres Ergebnis für die Durchsetzung von Datennutzungsrestriktionen vorliegt.

We describe a dynamic analysis technique for discovering vulnerabilities where we, first, analyse isolated components of a program for vulnerabilities with three modes – symbolic execution, fuzzing and a novel greybox fuzzing method. To determine the feasibility of vulnerabilities, we propose a compositional analysis method using targeted symbolic execution. Finally, we discuss an adaptable assessment method based on heuristics from bug-repository- and code-mining, to assist in bug triage., Wir stellen eine Analysetechnik zum Auffinden von Schwachstellen in Softwaresysteme vor. Isolierte Komponenten eines Programs werden zunächst mit drei Modi untersucht - symbolische Ausführung, Fuzzing und eine neuartiges Greybox-Fuzzing. Um die Erreichbarkeit der Schwachstellen zu zeigen, schlagen wir eine kompositionelle Analysetechnik vor. Wir beschreiben auch ein Framework zur Schwachstellenbewertung, das Entwicklern bei der Priorisierung unterstützt.

Modern software systems, such as cyber-physical systems (CPSs), operate in complex and dynamic environments. With the continuous and unanticipated change in the operational environment, these systems are subjected to a variety of uncertainties. Self-adaptive CPSs (SACPSs) can adjust their behavior or structure at run-time as a response to the changes in their perceived environment. Namely, self-adaptation is commonly realized through a MAPE-K feedback loop incorporating newly derived knowledge obtained by the sensed data from the run-time monitoring, during the operation of decentralized SACPSs. However, to build the knowledge, the need for run-time observations' aggregation and reasoning emerges, since the observations made by the decentralized systems might be conflicting. In this paper, we propose an approach for observations aggregation and knowledge modeling in SACPSs that is domain-independent and can deal with inaccurate, partial, and conflicting observations, based on the formalisms of Subjective Logic.

Software architecture is a set of architectural design decisions (ADDs). Due to time constraints, these decisions are not explicitly documented. We present a tool (ADeX) to manage ADDs and support the decision-making process. Using ADeX, one can answer: “What decisions have been made?”, “Which elements and quality attributes are affected by a decision?”, “Who should make a new decision?”, “Which similar decisions have been made?”, and “What alternatives to consider while making a decision?”., Eine Softwarearchitektur ist eine Menge von Designentscheidungen. Aus Zeitgründen werden diese Entscheidungen nicht explizit dokumentiert. Wir stellen ein Tool namens ADeX vor, um Designentscheidungen zu verwalten und den Entscheidungsprozess zu unterstützen. Mit ADeX können Stakeholder folgende Fragen beantworten: „Welche Entscheidungen wurden bereits getroffen?”, „Welche Architekturelemente und Qualitätsattribute werden von einer Entscheidung beeinflusst?”, „Wer sollte in eine neue Entscheidung involviert sein?”, „Welche ähnlichen Entscheidungen wurden bereits getroffen?” und „Welche Alternativen sollten beim Treffen einer Entscheidung berücksichtigt werden?”.

In this thesis, we develop a framework for the characterization of software obfuscation strength by formalizing automated analysis attacks as search problems. This helps developers to choose obfuscating transformations, which change those software characteristics, such that heuristics are no longer applicable or to increase the search effort to an extent that it is no longer economically attractive. We present multiple experiments involving various software applications, obfuscating transformations and an automated attack based on symbolic execution, whose results support our hypothesis., In dieser Dissertation entwickeln wir eine Grundstruktur, in der wir die automatische Analyse als Suchprobleme formalisieren, deren Komplexität von Eigenschaften der Software abhängt. Dies hilft Entwicklern dabei, die Verschleierungtransformationen auszuwählen, die die Eigenschaften der Software so verändern, dass Heuristiken nicht mehr angewendet werden können oder der benötigte Aufwand für die Suche aus wirtschaftlicher Sicht nicht mehr attraktiv ist. Wir stellen mehrere Fallstudien unter Einbezug von verschiedenen Software-Anwendungen, Verschleierungstransformationen und einem automatisierten Angriff bassierend auf symbolischer Ausführung vor, die unsere Hypothese untermauern.

This thesis is concerned with controlling the usage of sensitive data once it has been disseminated to multiple systems. To this end a formal model for distributed data usage control is proposed, allowing to track data flows across systems and to enforce distributed data usage policies in a decentral manner. The correctness of the provided formal methods is proven. Further, the proposed ideas are implemented and evaluated in terms of security as well as communication and performance overheads., Diese Arbeit beschäftigt sich mit der Kontrolle der Nutzung sensibler Daten in verteilten Systemen. Hierzu wird ein formales Modell entwickelt, das es ermöglicht die Verbreitung geschützter Daten systemübergreifend zu verfolgen sowie globale Datennutzungsanforderungen in dezentraler Weise durchzusetzen. Die Korrektheit der entwickelten Methoden wird bewiesen. Ferner werden die Vorschläge implementiert und im Hinblick auf Sicherheit und Leistungseinbußen evaluiert.

This thesis proposes a systematic approach using defect models for defect-based quality assurance to formally describe defects and create (semi-)automatic test case / check list generators operationalizing this description. The defect model lifecycle framework yields activities for practical application. Defects are suitably elicited and classified in DELICLA and effective, efficient and reproducible operationalizations are created on each test level (i.e. 8Cage, OUTFIT and Controller Tester)., Diese Arbeit beschreibt einen systematischen Ansatz der fehlerbasierten Qualitätssicherung mit Fehlermodellen, in dem Fehler explizit gemacht, formalisiert und durch abgeleitete Werkzeuge (semi-)automatisch detektiert werden können. Das Fehlermodelllebenszyklusframework beschreibt die Aktivitäten zur praktischen Anwendung des Ansatzes. Fehler werden darin passend in DELICLA erhoben und klassifiziert und effektive, effiziente und reproduzierbare Operationalisierungen auf jedem Testlevel erstellt.

Web applications are complex and face complex attacks, as well. Thus, security vulnerabilities are hard to find. To tackle this complexity we analyze abstract models of these web applications. We generate test cases by (semi-) automatically injecting faults into the models and utilize systematic verification techniques to generate abstract test cases. To test real implementations, we operationalize them with the help of web browsers and penetration testing techniques. Our evaluation shows that non-trivial multi-step XSS and SQL attacks can effectively be found., Web Applikationen sind sehr komplex und ebenso komplexen Angriffen ausgesetzt. Deshalb ist das Finden von Sicherheitslücken sehr schwierig. Der Komplexität begegnen wir mit abstrakten Modellen, in die (semi-) automatisch Verwundbarkeiten injiziert werden. Verifikationstechniken erzeugen daraus abstrakte Testfälle. Um reale Implementierungen zu testen, operationalisieren wir die Testfälle mit der Hilfe von Web Browsern und Penetrationstests. Unsere Evaluation zeigt, dass durch diese Technik nicht-triviale XSS und SQL Verwundbarkeiten gefunden werden können.

We study the usefulness of quantitative data flow analyses for behavior-based malware detection. To this end, we propose a generic model to represent system behavior, i.e. traces of system calls, as sequences of quantifiable data flows that together form a Quantitative Data Flow Graph (QDFG). We operationalize this model in four different ways for highly accurate, robust, and efficient malware detection. We do so by both identifying patterns of known malicious behavior in unknown QDFGs and by profiling malware with graph metrics over QDFGs. Using large data sets, we demonstrate that quantitative data flow analysis yields better detection effectiveness than non-quantitative analysis., Wir untersuchen die Nützlichkeit quantitativer Datenflussanalyse für die verhaltensbasierte Erkennung von Schadsoftware nach. Dafür stellen wir ein generisches Modell zur Repräsentation von Systemverhalten als quantitative Datenflussgraphen (QDFGs) vor. Wir präsentieren vier Ansätze der Operationalisierung dieses Modells für die hochakkurate, robuste, und effiziente Erkennung von Schadsoftware. Dies geschieht entweder über Muster bekannten Schadverhaltens oder über Verhaltensprofile, die mit Graphmetriken über QDFGs bekannter Schadsoftware definiert werden. Mit den vorgestellten Erkennungsansätzen zeigen wir auf großen Datensätzen, dass quantitative Datenflussanalyse eine effektivere Erkennung von Schadsoftware erlaubt als nicht-quantitative Datenflussanalyse.