Wie kann die Verhaltensauthentifizierung ihren Nutzen behalten, ohne die sensiblen Daten preiszugeben, auf denen sie basiert? Unser auf der ACNS 2026 vorgestelltes Papier „PPMLAuth: Privacy-Preserving and Tamper-Resistant Behavioral Authentication“ (https://link.springer.com/chapter/10.1007/978-3-032-32575-4_12) untersucht diese Frage durch die Kombination von maschinellem Lernen mit homomorpher Verschlüsselung. Die Arbeit wurde im Rahmen des Projekts „aura.ai“ durchgeführt, das vom Interreg-Programm „Rhin Supérieur“ (Oberrhein) und dessen regionalen Förderpartnern kofinanziert wurde: Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg | Ministerium für Wissenschaft, Weiterbildung und Gesundheit Rheinland-Pfalz | Région Grand Est. Die beteiligten Forscher wurden zudem durch Forschungsprojekte unterstützt, die von der CARL ZEISS STIFTUNG finanziert wurden
Veröffentlichung: ACNS Paper 2026