Article Mining zur Erkennung und Einstufung von Sicherheitslücken

In Online-Zeitungen und Foren verbreiten sich Nachrichten manchmal wie ein Laubfeuer, manchmal auch nicht. Oft ist der Unterschied die Relevanz des Themas für die Leser selbst oder der Wirtschaft. Wir vermuten, dass dies auch für Berichte und Diskussionen über Sicherheitslücken und deren Patches gilt. Die Idee: ähnlich wie im Projekt SpiegelMining [1] wollen wir Daten sammeln, aber nicht nur aus einer Online-Quelle, sondern aus vielen für die IT und IT-Sicherheit relevanten Quellen. Daraus gilt es dann zu analysieren, welche Artikel das gleiche Thema abdecken und ob es sich um Sicherheitslücken handelt. Ist diese Klassifizierung ersteinmal geschafft, sind der Phantasie keine Grenzen mehr gesetzt. Was kann man nun aus den Daten lesen? Und wie zuverlässig sind die Schlussfolgerungen?

• Einarbeitung in Data Mining basierend auf Textvergleichen
• Ausarbeitung und Implementierung des Crawlers für relevante Artikel
• Implementierung der automatischen Analyse der Artikel
• Evaluierung der Performance und Qualität der Analyse

• Kenntnisse in Artificial Intelligence
• Interesse für Data Science
• Programmiererfahrung in Python

[1] SpiegelMining. (online) https://www.dkriesel.com/spiegelmining