Creative Commons Attribution-NonDerivs 3.0 GermanyPachnicke, Stephan2025-09-152025-09-152024https://oa.tib.eu/renate/handle/123456789/22760https://doi.org/10.34657/21777Das Teilprojekt AI-NET-PROTECT konzentrierte sich auf die Bereitstellung von automatisierter Resilienz und sicheren Netzwerken für kritische Infrastrukturen und Unternehmen. Ziel war der Schutz kritischer Daten, hohe Leistung (Latenz, Durchsatz, Verfügbarkeit) und Robustheit gegen Manipulation. Das Projekt entwickelte eine skalierbare Netzwerk- und Knotenarchitektur mit offener und spezialisierter Hard- und Software, einschließlich sogenannter „White Boxes“. Mit Hilfe von Netzwerktelemetrie und "intent-based software-defined network management" ermöglichte es eine automatische Bereitstellung (ohne manuelle Interaktion) und automatisierte Dienste mit künstlicher Intelligenz (KI). KI-Anwendungen um-fassten hierbei Leistungsoptimierung, proaktive Fehlererkennung, Penetrationstests und Sicherheits-management. Die Architektur umfasste starke Sicherheit mit mehrschichtiger Kryptografie, agilen Kryptofunktionen und quantensicheren Algorithmen. Die wissenschaftlichen und technischen Arbeitsziele der Christian-Albrechts-Universität zu Kiel (CAU) im Verbundprojekt umfassten im Einzelnen: • Entwicklung neuartiger KI-basierter Verfahren, um eine Ende-zu-Ende Voraussage über die Leistungsfähigkeit und die Eigenschaften verschiedener optischer Verbindungspfade in komplexen, vermaschten Netzen zu treffen • Entwicklung KI-basierter Methoden zur Schätzung der optischen Übertragungsqualität (quality of transmission, QoT) • Entwicklung KI-basierter Konzepte zur verbesserten Fehler- und Anomaliedetektion sowie zur proaktiven Fehlerdetektion • Generierung von simulativen und experimentellen Referenzdaten zum Einsatz in den KI-basierten Modellen. Verifikation der neuen Ansätze in Labortests. Datei-Upload durch TIBThe AI-NET-PROTECT sub-project focused on the provision of automated resilience and secure networks for critical infrastructures and companies. The aim was to protect critical data, ensure high performance (latency, throughput, availability) and robustness against manipulation. The project developed a scalable network and node architecture with open and specialized hardware and software, including so-called “white boxes”. Using network telemetry and intent-based software-defined network management, it enabled automated provisioning (without manual interaction) and automated services with artificial intelligence (AI). AI applications included performance optimization, proactive fault detection, penetration testing and security management. The architecture included strong security with multi-layer cryptography, agile crypto functions and quantum-safe algorithms. The scientific and technical work objectives of Kiel University (CAU) in the joint project included in detail: - Development of novel AI-based methods to make an end-to-end prediction of the performance and characteristics of different optical connection paths in complex, meshed networks - Development of AI-based methods for estimating the optical transmission quality (quality of transmission, QoT) - Development of AI-based concepts for improved fault and anomaly detection as well as proactive fault detection - Generation of simulative and experimental reference data for use in the AI-based models. Verification of the new approaches in laboratory tests.gerhttps://creativecommons.org/licenses/by-nd/3.0/de/600Report26 Seiten