(Bachelor/Master/Praktikum) Funktionale Verschlüsselung
27.10.2026Motivation
Immer mehr Menschen nutzen smarte Geräte wie Fitness-Tracker und Smart-Home-Sensoren, um ihren Alltag zu optimieren und ihre Gesundheit zu überwachen. Diese Geräte sammeln kontinuierlich hochsensible persönliche Daten, die für die medizinische Forschung oder personalisierte datengetriebene Dienstleistungen von unschätzbarem Wert sind. Um von diesen Diensten zu profitieren, müssen Nutzer ihre Daten jedoch meist an zentrale Server von Drittanbietern senden. Nebst der bekannten Gefahr von Datenlecks, birgt es auch Potential für den Missbrauch durch Anbieter. In jedem Fall können also intime Daten in die falschen Hände geraten. Gleichzeitig basiert unsere immer weiter digitalisierte Welt auf Daten und diese ermöglichen den technologischen Fortschritt. Es entsteht also ein Konflikt zwischen dem Schutz der Daten und dem weiteren Voranschreiten der Technik.
Ziele
Einen eleganten Ausweg aus diesem Dilemma bietet die funktionale Verschlüsselung (Functional Encryption, FE). Im Gegensatz zur klassischen Verschlüsselung, bei der man Daten entweder komplett oder gar nicht entschlüsseln kann, ermöglicht FE die Vergabe von speziellen Schlüsseln, die an eine bestimmte und vorher definierte mathematische Funktion gebunden sind. Ein Dienstanbieter kann mit einem solchen Funktionsschlüssel beispielsweise ausschließlich einen spezifischen Risikoindikator oder einen Durchschnittswert aus den verschlüsselten Daten berechnen und im Klartext ausgeben, ohne jemals Zugriff auf die zugrundeliegenden sensiblen Rohdaten zu erhalten. Ziel dieser Arbeit ist es, das Konzept der funktionalen Verschlüsselung auf praxisnahe Szenarien anzuwenden und zu evaluieren, um sinnvolle Berechnungen bei gleichzeitigem Datenschutz zu ermöglichen. Notwendiges Vorwissen kann sich dabei während der Arbeit angeeignet werden und es findet eine intensive Betreuung statt.
- Einarbeitung in das Thema funktionale Verschlüsselung
- Realisierung und Analyse funktionaler Verschlüsselungsanwendungen in einem gewählten Szenario
- Mathematisches Interesse erforderlich
- Vorkenntnisse in C oder Go hilfreich
Wir bieten
- Interessante Arbeit in aktuellen Forschungsthemen
- Möglichkeit der Einbringung eigener Ideen bei der Lösungsgestaltung
- Gute und intensive Betreuung
Dauer
3 - 6 Monate (je nach Art der Arbeit)
Kontakt
Lukas Horn, M.Sc.
lukas.horn@uni-wuerzburg.de
Zurück
