Die fortschreitende Digitalisierung und die zunehmende Vernetzung von IT-Systemen führen zu einer wachsenden Bedrohungslage im Bereich der Cybersecurity. Insbesondere Intrusion Detection Systeme (IDS) spielen eine zentrale Rolle beim Schutz vor unautorisierten Zugriffen und Angriffen auf Netzwerke. Mit dem Aufkommen Künstlicher Intelligenz (KI) eröffnen sich neue Möglichkeiten, diese Systeme nicht nur effizienter, sondern auch adaptiver und präziser zu gestalten. Die vorliegende Arbeit widmet sich den transformativen Potenzialen von KI in IDS, analysiert den aktuellen Stand der Technik, beleuchtet bestehende Herausforderungen und zeigt Perspektiven für zukünftige Entwicklungen auf.
Das Thema der Arbeit lautet: “Transformative Potenziale von Künstlicher Intelligenz in Intrusion Detection Systemen: Status Quo, Herausforderungen und zukünftige Entwicklungsmöglichkeiten”
Die Hauptthese der Arbeit lautet: „Durch den Einsatz von KI erkennen IDS/IPS Angriffe genauer, entdecken neue Angriffsmuster, reagieren schneller und das alles bei weniger Aufwand für Betrieb und Anpassung als herkömmliche Systeme ohne KI.”
Zur besseren Strukturierung und zur vertieften Erarbeitung dieser These wurden vier Unterthesen formuliert, die die zentralen Vorteile des KI-Einsatzes in Intrusion Detection und Prevention Systems (IDS/IPS) aufzeigen.
Erstens erhöht der Einsatz von Künstlicher Intelligenz die Treffergenauigkeit der Angriffserkennung. Zweitens erweitert er den Umfang der Treffererkennung insbesondere im Hinblick auf neuartige Angriffe. Drittens steigert er die Reaktionsgeschwindigkeit bei der Erfassung und Anpassung von Angriffsvektoren. Und viertens reduziert der KI-Einsatz den Aufwand für den laufenden Betrieb sowie für notwendige Konfigurationsanpassungen.
Diese Unterthesen verdeutlichen jeweils einen spezifischen Vorteil des KI-Einsatzes: Die höhere Treffergenauigkeit ergibt sich aus der Fähigkeit von KI-Modellen, Muster präziser zu erkennen und Fehlalarme zu reduzieren. Die Erweiterung der Treffererkennung auf neuartige Angriffe basiert auf der Stärke von KI, auch unbekannte oder sich verändernde Bedrohungen zu identifizieren. Die gesteigerte Reaktionsgeschwindigkeit resultiert aus der Möglichkeit, Angriffsvektoren in Echtzeit zu analysieren und automatisch Gegenmaßnahmen einzuleiten. Schließlich trägt die Reduktion des Betriebs- und Anpassungsaufwands dazu bei, Ressourcen zu sparen, da KI-Systeme viele Aufgaben automatisiert und adaptiv übernehmen können.
Die vorliegende Arbeit verfolgt einen literaturbasierten Ansatz. Im Mittelpunkt steht die systematische Analyse und Auswertung bestehender wissenschaftlicher Quellen, darunter Fachartikel, Konferenzbeiträge, Übersichtsarbeiten sowie dokumentierte Fallstudien. Ziel ist es, den aktuellen Stand der Forschung zum Einsatz von Künstlicher Intelligenz in Intrusion Detection Systemen fundiert darzustellen und im Hinblick auf die formulierten Thesen kritisch zu bewerten.
Die Herleitung der Haupt- und Unterthesen erfolgt durch:
Ziel der Methodik ist es nicht, ein eigenes System zu entwickeln oder empirisch zu testen, sondern auf Basis vorhandener Erkenntnisse die Potenziale, Grenzen und Perspektiven von KI im Kontext von IDS fundiert darzustellen und im Licht der formulierten Thesen zu reflektieren.
Die vorliegende Arbeit gliedert sich in sieben Kapitel, die systematisch von den Grundlagen bis hin zu zukünftigen Perspektiven führen.
Kapitel 1 – Einleitung stellt das Thema, die Zielsetzung sowie die Relevanz der Arbeit vor.
Kapitel 2 – Hintergrund und Grundlagen erläutert die zentralen Begriffe und Technologien, die für das Verständnis notwendig sind, darunter Intrusion Detection Systeme, Intrusion Prevention Systeme, Firewalls sowie die Definition und Abgrenzung von Künstlicher Intelligenz.
Kapitel 3 – Aktuelle Nutzung von KI in IDS (Status Quo) analysiert bestehende KI-gestützte IDS-Ansätze, beschreibt konkrete Anwendungsfälle und bewertet den derzeitigen Stand der Technik.
Kapitel 4 – Alternative Methoden zu KI in IDS (IDS ohne KI) beleuchtet klassische, nicht-KI-basierte Erkennungsmethoden wie signaturbasierte oder statistisch-anomaliebasierte Systeme und diskutiert deren Stärken und Schwächen im Vergleich zu KI-Ansätzen.
Kapitel 5 – Herausforderungen beim Einsatz von KI in IDS widmet sich den zentralen Problemen, die mit dem praktischen Einsatz von KI einhergehen.
Kapitel 6 – Zukunftspotenziale und zukünftige Entwicklungsmöglichkeiten widmet sich dem Potenzial, das der Einsatz von Künstlicher Intelligenz künftig in Intrusion Detection Systemen entfalten kann. Im Mittelpunkt stehen dabei die möglichen Vorteile: eine höhere Treffergenauigkeit, die Erkennung neuartiger Angriffe, eine beschleunigte Reaktionsfähigkeit sowie ein reduzierter Betriebsaufwand und die technologischen Entwicklungen die zur Realisierung dieser Vorteile beitragen können
Kapitel 7 – Fazit und Ausblick fasst die wesentlichen Erkenntnisse zusammen und gibt einen Ausblick auf weiterführende Forschungsfragen und potenzielle Entwicklungen.