004 Informatik
Refine
Year of publication
Document Type
- Diploma Thesis (14)
- Bachelor Thesis (4)
- Master's Thesis (1)
Language
- German (19)
Has Fulltext
- yes (19)
Keywords
- Kraftfahrzeugtechnik (2)
- Mediendesign (2)
- Sensor (2)
- Software (2)
- Angewandte Informatik (1)
- Bildverarbeitung (1)
- Cloud-Systeme (1)
- Computersicherheit (1)
- Customer relationship (1)
- Cybersecurity (1)
Institute
Fuzz-Tests haben sich zu einem wichtigen Werkzeug entwickelt, um Schwachstellen in Softwaresystemen frühzeitig entdecken zu können. Durch die Entdeckung von prominenten Fehlern, wie dem Heartbleed-Bug, erfährt diese Testtechnik eine steigende Beliebtheit. Dies hat zu der Entwicklung von immer fortschrittlicheren Fuzzern und Fuzz-Techniken geführt. Diese Arbeit betrachtet Fuzzing vor dem Hintergrund der kommerziellen Softwareentwicklung. Dabei wird diese Technik im Kontext der Theorie von Softwaretests eingeordnet und die Frage untersucht, wie sie in den Testprozess integriert werden kann. Es werden verschiedene Formen von Fuzz-Tests vorgestellt und dabei besonders die Sachverhalte im Detail erklärt, die in vielen Dokumentationen nicht erklärt oder als gegebenes Wissen angenommen werden. Auf diese Weise soll dem Leser der Übergang von einem Einsteiger zu einem erfahrenen Anwender erleichtert werden. Im Anschluss wird die Funktionsweise gängiger Sanitizer erklärt, welche häufig mit Fuzz-Tests kombiniert werden. Abschließend wird Structure-Aware Fuzzing, durch Kombination von libFuzzer mit Googles Protocol Buffern, als vielversprechende Technik vorgestellt und untersucht.
Diese Bachelorarbeit basiert auf dem zuvor durchgeführten Praxisprojekt, in dem die Objekterkennungsdienste in den Cloudsystemen von Google, Amazon und Microsoft untersucht und verglichen wurden, um zur Erkennung von Gesichtern
und Kfz-Kennzeichen eingesetzt zu werden. Im Rahmen des Projekts wurde zudem evaluiert ein neuronales Netz für diese Aufgabe für den lokalen Einsatz zu entwickeln, was aufgrund des Aufwands aber nicht durchgeführt wurde.
An diesem Punkt soll diese Arbeit ansetzen, indem zunächst mit MTCNN und YOLOv3 vortrainierte neuronale Netze zur Gesichts- bzw. allgemeinen Objekterkennung den Cloud-Systemen gegenübergestellt und verglichen werden. Im Folgenden wird ein in Keras implementierter eigener Ansatz präsentiert, der einzig zur Lokalisierung von Kennzeichen dienen soll. Abschließend wird eine Empfehlung ausgesprochen, wie neuronale Netze, unabhängig ob lokal oder in der Cloud, eingesetzt werden können.
Objektorientierte Bildverarbeitungsalgorithmen zum relativen Hovern eines autonomen Helikopters
(2004)
In Rahmen dieser Diplomarbeit werden Strategien und Bildverabeitungsalgo-rithmen zur Realisierung des „relativen Hoverns“ eines autonomen Kleinhelikopters untersucht. Unter relativem Hovern versteht man dabei das Positionhalten, relativ zu Objekten und Untergründen, die von einer Kamera aufgenommen werden. Insbesondere wurden Blob-Analyse-Algorithmen zu dieserProblemstellung entwickelt und geprüft, ob und in wie weit die Blob-Analyse zur Bestimmung der Eigenbewegung geeignet ist. Des Weiteren wurden ein objektorientiertes Framework, Konzepte und Applikationen zum Realisieren und Testen von Bildverarbeitungsalgorithmen auf verschiedenen Plattformen erstellt. Mit Hilfe dieses Frameworks wurden auch einige der Blob-Analyse-Algorithmen implementiert. Erste Tests haben ergeben, dass sich die Blob-Analyse zum „relativen Hovern“ unter „Echtzeit“-Bedingungen gut eignet, da sie sehr schnell und dabei ähnlich genau wie andere zur Zeit verwendete Algorithmen ist.