Die Mitarbeiter von Radar Cyber Security kommen aus 21 Nationen. Fatemeh Amiri arbeitet im Cyber Defence Center von Radar Cyber Security.

Vielen Dank Fatemeh, dass du dir für das Interview Zeit genommen hast. Wie bist du zu Radar Cyber Security gekommen?

Ich stamme aus dem Iran. Nach meinem Bachelor in Informatik und dem Masterabschluss in Informationstechnologie bin ich nach Österreich gezogen, um mein Studium fortzusetzen. Mein Forschungsthema befasst sich mit Datenschutz mithilfe von Machine Learning. Ich hoffe, Datenschutzlücken zu verkleinern und zu schließen, dank neuer Methoden mit eingebetteten Algorithmen zur Bewahrung der Privatsphäre. Dies sind die Grundlage und somit unerlässlich für alle Data Mining-Aufgaben, cloudbasierte Dienste, E-Business-Anwendungen und IOT-Strukturen.

Was macht das Arbeiten bei Radar Cyber Security für dich spannend?

Die Kombination meines aktuellen Forschungsthemas mit der Praxis im Bereich der IT-Sicherheit ist ideal. Ich bin Sicherheitsanalystin und Doktorandin an der Universität Wien. Das bedeutet ich bin hautnah an der Praxis dran und kann mich gleichzeitig mit Entwickler und einem Team von internen Forschern austauschen und mit ihnen eng zusammenarbeiten. Das gibt mir die Möglichkeit, Ideen auszutauschen und Konzepte und Methoden mit einer großen Gruppe hoch spezialisierter Experten zu diskutieren.

Wie wichtig ist der Austausch mit Kollegen für dich?

Der Austausch ist für mich sehr wertvoll, da mein Forschungsthema zum Thema Datenschutz ein bislang kaum erforschter Bereich ist. Meine Forschungsergebnisse zeigen, dass traditionelle Methoden nicht ausreichen, um die Probleme von Big Data zu lösen. Neue Methoden wie Machine Learning scheinen die intelligentere Lösung dafür zu sein, um bessere Ergebnisse zu erzielen.

Womit beschäftigst du dich mit deinem Forschungsprojekt konkret?

Mein Hauptziel ist es mit meiner Forschung, die Privatsphäre zu verbessern und gleichzeitig die Effizienz und Genauigkeit der Data Mining-Aufgaben zu wahren, die den Betrieb aufrechterhalten, sowie andere Faktoren zu berücksichtigen, die ebenfalls den Gesamtprozess des Systems beeinflussen.

Wie sieht dein Ansatz zu mehr Datensicherheit aus?

Im Wesentlichen versuche ich mit meinem Modell, die betroffenen sensiblen Daten zu anonymisieren. Um den Informationsverlust zu minimieren, werden Machine Learning-Methoden wie genetische Algorithmen und Fuzzy Sets verwendet. Diese sollen die Daten bestmöglichst verbergen, um die Balance zwischen allen definierten Zielen zu halten. Erste Ergebnisse belegen die Effizienz der vorgeschlagenen Methoden. Die Verbesserung der Genauigkeit der endgültigen Data Mining-Aufgabe ist der nächste Schritt. Ziel dieses Ansatzes ist es, diesen Zugang auf andere Data Mining-Aufgaben auszuweiten und in eine einfache Formel zu bringen, um diese in verschiedensten Bereichen anzuwenden.