FS24

Das Wahlpflichtmodul "Security & Cryptography" an der FHGR bietet eine umfassende Einführung in die Welt der Informationssicherheit, Kryptographie und des Ethical Hackings. Innerhalb von 14 Wochen werden die Studierenden durch drei Hauptthemenbereiche geführt: Security (Woche 1-3), Cryptography (Woche 4-6) und Ethical Hacking / Hacking Lab (Woche 7-14).

Im ersten Teil des Kurses werden die Grundlagen der Informationssicherheit behandelt, einschliesslich der verschiedenen Sicherheitsebenen und der rechtlichen sowie regulatorischen Aspekte. Darauf aufbauend tauchen die Teilnehmer in die Kryptographie ein, lernen Verschlüsselungsverfahren, Signaturen, PKI und Key Management kennen. Im letzten Abschnitt widmet sich der Kurs dem Ethical Hacking. Die Studierenden erlernen die Grundlagen des Ethical Hackings, den Ablauf des Hackings und richten eine persönliche Laborumgebung ein, welche sie für erste praktische Erfahrungen einsetzen werden.

Dieses Modul richtet sich an Studierende, die ein grundlegendes Verständnis für das Thema "Cybersecurity" entwickeln und erste praktische Fähigkeiten im Bereich des Ethical Hackings erwerben möchten.

Kurzübersicht: Introduction to Neuroscience und Brain-Computer Interfaces (BCIs)

Diese Vorlesungsreihe zielt darauf ab, Studierenden ein umfassendes Verständnis der Grundlagen der Neurowissenschaften und der Brain-Computer Interfaces (BCIs) zu vermitteln. Der Kurs behandelt verschiedene Themen, darunter Signalverarbeitung, Erfassung neuronaler Signale, gehirngesteuerte Hardware, Datenanalyse, maschinelles Lernen, Datenvisualisierung und praktische Anwendung durch einen Hackathon.

1. Grundlagen der Neurowissenschaften und BCIs:

Einführung in die Struktur und Funktion des menschlichen Gehirns.
Überblick über die Geschichte und Entwicklung von Brain-Computer Interfaces.
Verständnis der neuronalen Grundlagen der Hirnaktivität und deren Relevanz für die BCI-Technologie.

2. Signalverarbeitung und Erfassung neuronaler Signale:

Einführung in Signalverarbeitungstechniken zur Analyse neuronaler Daten.
Überblick über verschiedene Methoden zur Erfassung neuronaler Signale wie EEG, fNIRS und ECoG.
Praktische Übungen zur Verarbeitung und Analyse neuronaler Signale.

3. Gehirngesteuerte Hardware:

Untersuchung verschiedener gehirngesteuerter Geräte und ihrer Funktionalitäten.
Verständnis der technischen Aspekte von EEG-Headsets und anderer BCI-Hardware.
Praktische Demonstrationen und Diskussionen zur Auswahl der Hardware für spezifische Anwendungen.

4. Datenanalyse und maschinelles Lernen:

Einführung in Datenanalysemethoden zur Extraktion sinnvoller Erkenntnisse aus neuronalen Daten.
Überblick über maschinelles Lernen in der BCI-Forschung, wie Klassifikation und Regression.
Praktische Workshops zur Implementierung von Machine-Learning-Algorithmen für BCI-Anwendungen.

5. Datenvisualisierung:

Bedeutung der Datenvisualisierung für das Verständnis und die Interpretation neuronaler Daten.
Überblick über Techniken zur Visualisierung von Hirnaktivitätsmustern und BCI-Ausgaben.
Praktische Übungen zur Erstellung effektiver Datenvisualisierungen für BCI-Anwendungen.

6. Hackathon:

Praktische Session, in der die Studierenden in Teams an der Entwicklung eigener BCI-Konzepte arbeiten.
Anleitung und Mentoring durch Dozenten und Branchenexperten.
Präsentationen und Demonstrationen der während des Hackathons entwickelten Projekte.

Ergebnis:
Am Ende des Kurses werden die Studierenden ein solides Verständnis der Prinzipien der Neurowissenschaften und BCIs erlangt haben. Sie werden auch praktische Erfahrungen in Signalverarbeitung, Erfassung neuronaler Signale, gehirngesteuerter Hardware, Datenanalyse, maschinellem Lernen und Datenvisualisierung gesammelt haben. Der Hackathon ermöglicht es den Studierenden, ihr Wissen und ihre Kreativität einzusetzen, um innovative BCI-Konzepte zu entwickeln und sie auf zukünftige Unternehmungen in diesem aufregenden Bereich vorzubereiten.