Mustererkennung, Industrielle Signalverarbeitung

AutoSense: Adaptives energieautarkes Sensornetzwerk zur Überwachung von sicherheitskritischen Selbstbedienungssystemen

01.06.2013 bis 31.05.2016

Mit Hilfe dieses Systems sollen Manipulationsversuche auf ressourceneffiziente, robuste und adaptive Weise zuverlässig identifiziert werden. Die Notwendigkeit für den Einsatz eines solchen Systems soll an Selbstbedienungssystemen zur Bereitstellung von Bargeld beispielhaft demonstriert werde. Dieses Szenario eignet sich besonders aufgrund der hohen Anzahl und Vielfalt von kriminellen Übergriffen auf Geldausgebeautomaten (GAA). Diese lassen sich in zwei grundsätzliche Szenarien gruppieren. Zum einen ist dies die Manipulation des Bedienbereiches zum Zweck des Abschöpfens von Kundendaten oder des direkten Beraubens der Kunden, zum anderen die Manipulation oder der Diebstahl der in den Geräten befindlichen Geldtresore.

Zielsetzung des Vorhabens „AutoSense“ ist die Erforschung eines Verfahrens zur holistischen Überwachung von sicherheitskritischen Systemen. Dies soll durch innovative piezoelektrische Sensornetzwerke erfolgen, die sich durch die folgenden Eigenschaften auszeichnen.

 

  • Teilaktuatorischer Betrieb durch Nutzung des indirekten Piezoeffektes der  Sensoren

  • Autonomer Betrieb und energieautarke Aktivierung

  • Kontext-basierte Generierung von Informationen auf Basis der  Sensoreinzelsignale

  • Antizipatorische Informationsfusion zur Bewertung der Ereignisse

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: VDI/VDE Innovation + Technik GmbH
Förderkennzeichen: 16ES0064
Förderlinien: KMU-innovativ
Projektbeteiligte / Ansprechpartner: Alexander Dicks, M. Sc., Prof. Dr.-Ing. Volker Lohweg
Projektmitarbeitende: Alexander Dicks, M. Sc.
Alexander Dicks, M. Sc.¹, Alexander Dicks, M. Sc., Prof. Dr.-Ing. Volker Lohweg, Henrik Wittke, Stefan Linke, Stefan Linke²
Structural Health Monitoring of Plastic Components with Piezoelectric Sensors
In: 20th IEEE International Conference on Emerging Technologies and Factory Automation, Sep 2015
¹ Erstautoren
² Letztautoren
Dr. rer. nat. Sahar Deppe¹, Dr. rer. nat. Sahar Deppe, Alexander Dicks, M. Sc., Prof. Dr.-Ing. Volker Lohweg, Prof. Dr.-Ing. Volker Lohweg²
Anomaly Detection on ATMs via Time Series Motif Discovery
In: 21th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA 2016), Sep 2016
¹ Erstautoren
² Letztautoren
Gefördert durch
Projektträger