Entwurf eines rollenbasierten Berechtigungskonzept für die KI-Plattform Data Fusion Generator

Abstract

In den letzten Jahren hat der Fortschritt im Bereich des maschinellen Lernens zu zahlreichen Weiter-entwicklungen geführt. Allerdings sind hochwertige Datensätze oft knapp. Mit der wachsenden Anwendung von künstlicher Intelligenz in verschiedenen Bereichen steigt der Bedarf an Trainingsdaten für Machine-Learning-Modelle stetig, doch sind diese Daten häufig nur begrenzt verfügbar. Die Künstliche Intelligenz Plattform - Data Fusion Generator soll das Problem lösen, indem es die Generierung solcher Daten für verschiedene Bereiche ermöglicht, insbesondere wenn vorhandene Daten quantitativ unzureichend sind oder bestimmte Eigenschaften wie seltene Anomalien fehlen. Um diese Funktionalität für verschiedene Anwender bereitstellen zu können, legt DaFne fest, welche Benutzer welche Berechtigungen haben und auf bestimmte Ressourcen und Funktionen zugreifen können, um bestimmte Aktionen auszuführen. Dies ist wichtig, da DaFne einen speziellen Anwendungskontext hat, in dem Rechte und Rollen neu ausgearbeitet werden müssen. Es ist daher wichtig zu betonen, dass Rollen im speziellen Kontext von DaFne ein fundiertes Konzept darstellen, um unterschiedliche Anwenderinteressen zu verstehen und zu vereinen. Zudem wird geklärt, in welchen Anwendungsszenarien verschiedene Anwender auf welche Daten und Funktionen zugreifen können. Das Berechtigungskonzept trägt dazu bei, unterschiedliche Benutzer in derselben Rolle voneinander abzugrenzen, damit ihre eigenen Daten jeweils geschützt werden können. Auch die Übertragbarkeit des Konzepts auf ähnliche Probleme, wie zum Beispiel andere Plattformen mit ähnlichen Herausforderungen oder andere datenintensive Anwendungen, wird betont. Diese Arbeit zielt darauf ab, die Konzeption eines entsprechendes rollenbasiertes Berechtigungskonzept innerhalb des spezifischen Kontexts von DaFne zu konzipieren.

In recent years, progress in the őeld of machine learning has led to numerous further developments. However, high-quality data sets are often in short supply. With the growing application of artificial intelligence in various fields, the need for training data for machine learning models is constantly increasing, but this data is often only available in limited quantities. The Artificial Intelligence Platform - Data Fusion Generator aims to solve the problem by enabling the generation of such data for different domains, especially when existing data is quantitatively insufficient or lacks certain features such as rare anomalies. In order to provide this functionality for different users, DaFne defines which users have which authorisations and can access certain resources and functions in order to perform certain actions. This is important because DaFne has a specific application context in which rights and roles need to be reworked. It is therefore important to emphasise that roles in the specific context of DaFne represent a sound concept for understanding and uniting different user interests. It also clarifies in which application scenarios different users can access which data and functions. The authorisation concept helps to differentiate between different users in the same role so that their own data can be protected. The transferability of the concept to similar problems, such as other platforms with similar challenges or other data-intensive applications, is also emphasised. This thesis aims to conceptualise a corresponding role-based authorisation concept within the specific context of DaFne.