Dieses Bild zeigt Baran Can Gül

Baran Can Gül

M.Sc.

Akademischer Mitarbeiter
Institut für Automatisierungstechnik und Softwaresysteme

Kontakt

+49 711 685 67299
+49 711 685 67302

Pfaffenwaldring 47
70550 Stuttgart
Raum: 2.136

Zeitschriften und Konferenzen:

    Forschungsschwerpunkt: - Sichere Over-the-Air-Kommunikation von Federated Learning-Konnektivität in autonomen Fahrzeugen

    Beschreibung: - Aufgrund der Optimierungen, die durch den Technologiestandard der fünften Generation für zellulare Breitbandnetze eingeführt wurden, haben Fahrzeugnetze begonnen, neue Kommunikationsstandards und -technologien zu übernehmen. Das Senden lokaler Daten an einen zentralen Server gefährdet die Datensicherheit und erhöht den Bandbreitenverbrauch aufgrund der großen Datenmengen. Anstelle von zentralen Cloud-Servern reduziert Mobile Edge Computing die Latenz und die Rechenlast, indem weniger rechenintensive Aufgaben an den Netzwerk-Edge und die Endpunkte verlagert werden. Dies eröffnet die Möglichkeit, verteilte Lerntechniken in Fahrzeugnetzen einzusetzen. Die Übernahme einer verteilten Lernarchitektur ermöglicht die Einrichtung eines föderierten Lernens, bei dem Modelle für maschinelles Lernen in Edge-Geräten trainiert werden und nur Modellaktualisierungen an den Server weitergeleitet werden. Dieser Ansatz ermöglicht kollektives Lernen bei gleichzeitiger Wahrung privater Nutzerdaten und Erhöhung der Bandbreiteneffizienz, was beim autonomen Fahren wichtig ist. Obwohl bei diesem Ansatz keine lokalen Daten gesendet werden, sind die mit dem Server geteilten Parameter des maschinellen Lernmodells privat und müssen geschützt werden, um die Offenlegung dieser Informationen zu verhindern. Der Schwerpunkt dieser Forschung liegt auf der Verbesserung der Datensicherheit und der Konnektivität in Fahrzeugnetzen durch den Einsatz eines föderierten Lernansatzes. In diesem Zusammenhang wird eine vielversprechende Technik zur Wahrung der Datensicherheit eingesetzt, um die privaten Modellparameter zu schützen, ohne die Performance zu gefährden. Darüber hinaus zielt der vorgeschlagene Ansatz darauf ab, die Konnektivität zwischen Fahrzeug und Backend zu verbessern, indem die Latenz verringert und Bandbreite eingespart wird.

    Forschungsportal:
    Research gate: -
    https://scholar.google.com/citations?user=pcCoDN4AAAAJ&hl=de&oi=ao

    Institutsleitung

    Lehrbeauftragter

    Sekretariat

    Angestellte

    Akademische Mitarbeiter

    Digitaler Zwilling für die Automatisierungstechnik

    Intelligente und lernende Automatisierungssysteme

    Komplexitätsbeherrschung in der Automatisierungstechnik

    Risikoanalyse und Anomalieerkennung für vernetzte Automatisierungssysteme

    Stipendiat Graduate School of Excellence advanced Manufacturing Engineering (GSaME)

    Auszubildende

    Zum Seitenanfang