Die Forschung zur Cybersecurity befasst sich mit verschiedenen Teilbereichen und umfasst die Sicherheit von Computernetzen und verteilten Systemen, (Quanten-) Kryptographie und sichere Mehrparteienberechnungen, die Privatheit und der Schutz von Daten, Applikations- und Systemsicherheit, sowie mit den benutzer- und sozialen Aspekten, wie die Wahrnehmung, das Bewusstsein und die Nutzbarkeit von Computersicherheit. In diesen Bereichen betrachten wir verstärkt die Schnittstellen zu künstlicher Intelligenz und lernenden Systemen, d.h. den Einsatz intelligenter Methoden zur Unterstützung der Sicherheitsforschung, aber auch zur Auseinandersetzung mit der Sicherheit von künstlicher Intelligenz und lernenden Systemen. In diesen Bereichen legt das KIT einen starken Fokus auf die Implementierung realer, praktischer Systeme und auf die angewandte Sicherheitsforschung. Die Entwicklung grundlegender Methoden und der Anspruch auf Innovation zu neuartigen Sicherheitslösungen wird jedoch nicht vernachlässigt.

Die Aktivitäten in diesem Bereich beziehen sich auf verschiedene Faktoren des Testens, der Zuverlässigkeit und der Fehlertoleranz von fortgeschrittenen Technologien (z.B. CMOS-Technologien im Nanomaßstab) sowie auf aufkommende Hardware-Technologien wie Spintronik, Memristoren, gedruckte Elektronik und approximatives Rechnen. Insbesondere untersuchen wir das Design für Testability und Testgenerierungstechniken für Logik im Nanomaßstab und aufkommende Speichertechnologien. Wir analysieren verschiedene Quellen der Unzuverlässigkeit in fortschrittlichen Hardware-Technologien, wie temporäre Ausfälle aufgrund von strahlungsinduzierten Soft Errors, sowie Alterungseffekte in Transistoren im Nanomaßstab und Interconnect-Aging aufgrund von Elektromigration. Um diese Zuverlässigkeitsbeeinträchtigungen im Nanomaßstab abzuschwächen, arbeiten wir an verschiedenen "Cross-Layer"-Zuverlässigkeitstechniken, indem wir die Effekte von Technologie, Gerät, Hardware, Mikroarchitektur und der laufenden Anwendung berücksichtigen, um kosteneffiziente Zuverlässigkeitslösungen zu erreichen. Weitere Aktivitäten beziehen sich auf den Entwurf sich bewusster zuverlässiger Systeme, bei denen das Laufzeitsystem verschiedene Ansätze des maschinellen Lernens und der Anomalieerkennung einsetzt, um Ausfälle vorherzusagen und zu verhindern, oder effiziente Fehlertoleranzmechanismen einsetzt, um diese zu kompensieren. Wir erforschen auch neue Prozessorlösungen wie heterogene Many-Core-Architekturen einschließlich adaptiver Akzeleratoren und Rechenparadigmen wie approximatives Rechnen, Rechnen im Speicher, Near Threshold Computing und neuromorphes Rechnen, indem wir Fragen der Testbarkeit und Zuverlässigkeit untersuchen.

Die Forschung im Bereich der zuverlässigen Software umfasst Methoden der formalen Verifikation von Software und Software-Engineering-Methoden für die Entwicklung von verlässlichen Systemen. Im Bereich Verifikation werden klassische Fragestellungen wie funktionale Eigenschaften, relationale Eigenschaften, SAT/SMT Solving und Informationsfluss, aber auch Social Choice Algorithmen und Wahlverfahren untersucht. Dabei erforschen die Forschungsgruppen sowohl Grundlagen und Algorithmen als auch Anwendungen für konkrete Probleme oder Domänen. Beispielhafte Anwendungsgebiete sind kritische Infrastrukturen, Produktionssysteme und Automobil-Software. Im Bereich Software Engineering befassen wir uns mit einem ingenieurmäßigen Ansatz für den Entwurf und die Entwicklung komplexer Softwaresysteme. Insbesondere forschen wir in den Bereichen Modellierung von Software-Komponenten und -Architekturen sowie Qualitätsbewertungen anhand solcher Modelle, insbesondere für langlebige und gleichzeitig schnell evolvierende Systeme.