Refine
Year of publication
- 2018 (3) (remove)
Document type
- Master's Thesis (3) (remove)
Has full text
- Yes (3)
Is part of the Bibliography
- No (3)
Keywords
- Analysis 32 bit block length (1)
- Benutzeroberfläche (1)
- Block length 32 bit (1)
- Datendichte (1)
- Datenquelle (1)
- Graphische Benutzeroberfläche (1)
- Informationsvisualisierung (1)
- Maschinelles Lernen (1)
- Ontologie (1)
- Qualitätskriterien (1)
- Rescaling Rijndael/AES (1)
- Semantik (1)
- State of the art 32 bit block ciphers (1)
- Symmetric block cipher (1)
- Visualisierung (1)
- Visualisierungselemente (1)
Course of studies
Subject of the thesis at hand is the analysis of symmetric block ciphers with a block length of 32 bit. It is meant to give a comprising overview over the topic of 32 bit block ciphers. The topic is divided in the examination of three questions. It contains a list of state of the art block ciphers with a block length of 32 bit. The block ciphers are being described, focussing on the encryption function. An SPN-based cipher with 32 bit block length is being proposed by rescaling the AES cipher.
The 32 bit block length results in certain security issues. These so called risk factors are analysed and mitigating measures are proposed. The result of the thesis is, that 32 bit block ciphers can be implemented in a secure manner. The use of 32 bit ciphers should be limited to specific use-cases and with a profound risk analysis, to determine the protection class of the data to be encrypted.
In this thesis, new methods for text classification are examined and compared to the current software of the DNB. Due to technical changes in the area machine learning in recent years, improvements in text classification have been achieved. The objective is to improve the subject groups allocation of the DNB and to allow a hierarchical classification based on the DDC system. The decision was made on the HDLTex tool, as the structure of the DNB data set and the DDC system, which supports a hierarchical classification, are perfectly designed for it. The use of RNN networks on both hierarchical levels improved the current software situation. Furthermore, the approach was examined, if a combination of the predictions of the two hierarchies levels leads to an additional improvement, which, however, produced a negative result. Both beginners and experts find themselves as readers of this master's thesis in the target group again.
In dieser Arbeit werden neue Verfahren zur Textklassifizierung untersucht und der aktuellen Software der DNB gegenübergestellt. Durch technische Veränderungen im Bereich Machine Learning in den letzten Jahren, konnten Verbesserungen in der Textklassifizierung erzielt werden. Dabei soll die Sachgruppenvergabe der DNB verbessert und anhand des DDC Systems eine hierarchische Klassifizierung ermöglicht werden. Die Entscheidung fiel auf das HDLTex Tool, da die Struktur des Datensatzes der DNB und das DDC System, welche eine hierarchische Klassifizierung unterstützt, perfekt darauf ausgelegt sind. Durch die Nutzung von RNN Netzen auf beiden Hierarchieebenen konnte eine Verbesserung zu der aktuellen Software erzielt werden. Weiterhin wurde der Ansatz untersucht, ob eine Kombinierung der Vorhersagen der beiden Hierarchieebenen zu einer aufbauenden Verbesserung führt, welches jedoch ein negatives Ergebnis hervorbrachte. Sowohl Anfänger als auch Experten finden sich als Leser dieser Masterarbeit in der Zielgruppe wieder.
Die vorliegende Masterarbeit analysiert die Problematiken effektiver grafischer Repräsentationen in digitalen Informationssystemen, die mit besonders hoherund dynamischer Datendichte und Datenquellen einhergehen. Anschließend an die Analyse der Problematiken erarbeitet der Autor dieser Forschungsarbeit ein konzeptuelles Modell zur Bewältigung der geschilderten Problematiken, auf Basis von semantisch beschriebenen, wiederverwendbaren grafischen Visualisierungselementen und den ebenfalls semantisch beschriebenen in die Visualisierung zu überführenden Daten. Besonders hervorzuhebende Erkenntnisse dieser Masterarbeit sind die Identifikation von Qualitätskriterien zur Zielführung einer effektiven Visualisierung gemäß der visuellenWahrnehmung des menschlichen kognitiven Systems, die Notwendigkeit zur Erweiterung der Vokabularmenge der schema.org-Ontologie zur Anwendung der identifizieren Qualitätskriterien und das Auffinden geeigneter Visualisierungselemente sowie das Zuordnen der Daten zu entsprechenden Visualisierungselementen über den Aufbau und Vergleich einer Baumstruktur für sowohl die Daten als auch die der Visualisierungselemente. Diese Forschungsarbeit ist von besonderer Relevanz für Entscheider, Projektmanager und Softwareentwickler, die digitale Informationssysteme mit einer hohen Anzahl an heterogenen Datensätzen und Datenquellen entwickeln.