Systemarchitektur zur Ein- und Ausbruchserkennung in verschlüsselten Umgebungen

Das Internet hat sich mit einer beispiellosen Geschwindigkeit in den Lebensalltag integriert. Umfangreiche Dienste erm glichen es, Bestellungen, finanzielle Transaktionen, etc. ber das Netz durchzuf hren. Auch traditionelle Dienste migrieren mehr und mehr in das Internet, wie bspw. Telefonie oder Fernsehen. Die finanziellen Werte, die hierbei umgesetzt werden, haben eine hohe Anziehungskraft auf Kriminelle: Angriffe im Internet sind aus einer sicheren Entfernung heraus m glich, unterschiedliches IT-Recht der verschiedenen L nder erschwert die grenz berschreitende Strafverfolgung zus tzlich. Entsprechend hat sich in den letzten Jahren ein milliardenschwerer Untergrundmarkt im Internet etabliert. Um Systeme und Netze vor Angriffen zu sch tzen, befinden sich seit ber 30 Jahren Verfahren zur Einbruchsdetektion in der Erforschung. Zahlreiche Systeme sind auf dem Markt verf gbar und geh ren heute zu den Sicherheitsmechanismen jedes gr eren Netzes. Trotz dieser Anstrengungen nimmt die Zahl von Sicherheitsvorf llen nicht ab, sondern steigt weiterhin an. Heutige Systeme sind nicht in der Lage, mit Herausforderungen wie zielgerichteten Angriffen, verschl sselten Datenleitungen oder Innent tern umzugehen. Der Beitrag der vorliegenden Dissertation ist die Entwicklung einer Architektur zur Ein- und Ausbruchserkennung in verschl sselten Umgebungen. Diese beinhaltet sowohl Komponenten zur Erkennung von extern durchgef hrten Angriffen, als auch zur Identifikation von Innent tern. Hierbei werden statistische Methoden auf Basis einer verhaltensbasierten Detektion genutzt, so dass keine Entschl sselung des Datenverkehrs erforderlich ist. Im Gegensatz zu bisherigen Methoden ben tigt das System hierbei keine Lernphasen. Ausgehend von einem Szenario der IT-Struktur heutiger Unternehmen werden die Anforderungen an ein System zur Ein- und Ausbruchserkennung definiert. Da eine Detektion die Kenntnis entsprechender, messbarer Ansatzpunkte ben tigt, erfolgt eine detaillierte Analyse ein