SDQ-Institutsseminar
Das SDQ-Institutsseminar ist eine ständige Lehrveranstaltung, die den Zweck hat, über aktuelle Forschungsarbeiten in den zu Software Design and Quality (SDQ) gehörigen Forschungsgruppen innerhalb von KASTEL – Institut für Informationssicherheit und Verlässlichkeit zu informieren. Insbesondere soll Studierenden die Gelegenheit gegeben werden, über ihre Bachelor- und Masterarbeiten vor einem größeren Auditorium zu berichten. Schwerpunkte liegen dabei auf der Problemstellung, den Lösungsansätzen und den erzielten Ergebnissen. Das Seminar steht aber allen Studierenden und Mitarbeitenden des KIT sowie sonstigen Interessierten offen.
Das Seminar findet auf Wunsch hybrid mit online zugeschalteten Teilnehmenden statt. Bitte dies den Betreuenden rechtzeitig mitteilen, damit diese die notwendigen Geräte aufbauen können.
Ort | Gebäude 50.34, Seminarraum 010 oder online, siehe Beschreibung | |
---|---|---|
Zeit | jeweils freitags, 11:30–13:00 Uhr |
Die Vorträge müssen den folgenden zeitlichen Rahmen einhalten (siehe auch SDQ-Wiki):
- Masterarbeit: 30 Minuten Redezeit + 15 Minuten Diskussion
- Bachelorarbeit: 20 Minuten Redezeit + 10 Minuten Diskussion
Weitere Informationen
Nächste Vorträge
Termine in Kalender importieren: iCal (Download)
Freitag, 20. September 2024, 11:30 Uhr
iCal (Download)
Ort: Raum 010 (Gebäude 50.34)
Vortragende(r) | Jessica Kimberly Woschek |
---|---|
Titel | Exploring the Traceability of Requirements and Source Code via LLMs |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Kevin Feichtinger |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | Zur effizienten Arbeit mit Code ist die Anforderung-zu-Code-Nachverfolgbarkeit entscheidend. Mit dem Aufkommen fortschrittlicher großer Sprachmodelle (engl. Large Language Models (LLMs)) besteht die Möglichkeit, diese Links mithilfe von LLMs anstelle spezialisierter Software oder Menschen zu identifizieren. Dies könnte Zeit und Kosten sparen sowie die Nutzung durch weniger erfahrene Anwender ermöglichen.
Diese Arbeit konzentriert sich auf die Entwicklung eines Ansatzes, der die entsprechende Eingabe vorbereitet und einen “um Informationsabruf ergänzten Generierungsansatz” (engl. Retrieval Augmented Generation (RAG)) sowie LLMs verwendet, um Links zu identifizieren und deren wissenschaftliche Validität zu bewerten. Der Kern des Ansatzes besteht darin, LLMs für diesen Zweck zu nutzen, unterstützt durch einen Prototypen, der die Kommunikation mit den Modellen und die erforderliche Vorbereitung ermöglicht. Zunächst werden Grundlagen sowie verwandte Arbeiten erarbeitet, um geeignete Evaluati onsmetriken und eine Vergleichsdatenbasis zu eruieren. Anschließend folgt eine Vorstudie, in der mit zwei selbst erstellten Datensätzen iterativ die Parameter des Prototyps ausgearbeitet und parallel der Prototyp implementiert werden. Nachdem die Ergebnisse des Prototyps basierend auf den Metriken Präzision, Ausbeute und F1-Punktzahl als zufriedenstellend bewertet werden, werden die beiden Datensätze aus der Vorstudie sowie zwei zusätzliche, aus verwandten Arbeiten identifizierte Datensätze mit denselben Parametern verwendet, um Daten für die Auswertung zu sammeln. Die Ergebnisse werden analysiert und Hypothesen formuliert, wobei sich zeigt, dass das Auffinden von Links auf Dateiebene mithilfe von LLMs relativ gut funktioniert. Anschließend wird eine notwendige Stichprobe verwendet, um die Metriken für das Auffinden von Links auf Funktionsebene durch LLMs zu bewerten, wobei Potenzial für diese Anwendung identifiziert wird. Es zeigt sich, dass LLMs bei der Identifizierung von Links in gegebenem Code ähnlichen Einschränkungen wie Menschen unterliegen. LLMs können jedoch Vorteile bieten, wenn die identifizierten Voraussetzungen erfüllt sind, da sie möglicherweise schneller als Menschen arbeiten und gleichzeitig in der Lage sind, geeignete Dokumentationen zu erstellen. Letztlich erweist sich der in dieser Arbeit verfolgte Ansatz als sehr vielversprechend, da die Ergebnisse im Vergleich zu den aus verwandten Arbeiten als Benchmark gewählten Ergebnissen vergleichbare Resultate beim Auffinden von Links auf Dateiebene liefern und zusätzlich valide Hinweise auf die Möglichkeit geben, Links auf Funktionsebene mithilfe von LLMs zu finden. Zum Schluss werden Optimierungspotenziale des gewählten Ansatzes basierend auf verwandten Arbeiten und den tatsächlichen Auswertungsergebnissen entwickelt. |
Vortragende(r) | Lars Weber |
---|---|
Titel | Generation of Checkpoints for Hardware Architecture Simulators |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Sebastian Weber |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | Während der Softwareentwicklung wird häufig Emulation als Technik eingesetzt, um Software für Hardware zu entwickeln, welche noch nicht existiert oder parallel zur Software entwickelt werden soll. Das derzeit am häufigsten verfügbare Tool für eine solche Emulation ist QEMU, welches eine Vielzahl von Hardwarearchitekturen unterstützt. Während eine Emulation in QEMU ausgeführt wird, existieren viele Daten innerhalb von QEMU, die für eine weitere Untersuchung außerhalb einer laufenden QEMU-Emulation nützlich sein könnten. Diese Arbeit extrahiert daher die Daten einer solchen Emulation und macht sie für die weitere Verwendung zugänglich. Um dies zu erreichen, werden das QEMU-Maschinenprotokoll und der QEMU-Monitor verwendet, um diese Daten aus einer laufenden QEMU-Instanz zu extrahieren, ohne den QEMU-Code zu ändern, da dies oft ein langer Prozess ist, nicht sehr flexibel ist und auch umfangreiche Nacharbeiten erfordern kann, wenn sich die QEMU-Codebasis ändert. Darüber hinaus gibt diese Präsentation Einblicke in die internen Vorgänge der Emulation und diskutiert Probleme damit. Derzeit extrahieren die Ergebnisse diese Arbeit Daten über CPU, Speicher und angeschlossene Speichergeräte aus jeder QEMU-Instanz, die QMP unterstützt. |
Vortragende(r) | Dennis Fadeev |
---|---|
Titel | Konzept und Integration eines Deltachain-Prototyps |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Thomas Weber |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | The evolution of distributed ledger technologies has necessitated the development of more efficient, scalable and secure systems. Deltachain, as an innovative variant of blockchain, addresses several limitations of traditional blockchain systems. This thesis explores the theoretical underpinnings of deltachain, detailing its architecture and integration into a software system. We start by introducing the concept of a deltachain, as well as the motivation, problem statement and research objectives. How meta modeling is introduced to keep consistency across a set of deltas and how access control is introduced to the proposed software system. Furthermore, a concept for a prototype has been created. During the creation of the concept, multiple technologies and architecture styles have been introduced, compared and selected. Following the definition of the concept, a prototype has been implemented, therefore the integration into a system as well as certain use cases and applications have been worked out. The implemented prototype has been evaluated across various domains, addressing functional aspects, performance characteristics, and empirical validation. The implemented prototype allows fine-granular encryption of individual deltas, with the possibility to distribute deltas across multiple organizations. |
Freitag, 27. September 2024, 11:30 Uhr
iCal (Download)
Ort: Raum 348 (Gebäude 50.34)
Vortragende(r) | Luca Hüttner |
---|---|
Titel | KI Tutoren: Eine Untersuchung zur Akzeptanz von KI Chatbots in digitalen Lernumgebungen |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Kai Marquardt |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | Die individuelle Förderung von Schülern stellt in modernen Bildungssystemen aufgrund des oft hohen Lehrenden-Schüler-Verhältnisses eine Herausforderung dar. Besonders nach Unterrichtsschluss fehlt häufig die notwendige Unterstützung, was den Lernerfolg beeinträchtigen kann. KI-basierte Chatbots bieten hier eine vielversprechende Lösung, da sie personalisierte Lernunterstützung rund um die Uhr ermöglichen. In dieser Arbeit wird die Akzeptanz von Lehrenden und Lernenden anhand des Technology Acceptance Model (TAM) untersucht. Dafür wurde auf Basis von OpenAIs GPT-4 ein KI-Tutor exemplarisch für den Online-Kurs von RockStartIT entwickelt. Für den KI-Tutor wurden Instruktionen definiert sowie eine Wissensdatenbank und ein Chatinterface in Form einer Web-App erstellt, die als Grundlage für zukünftige Kurse dienen können. Der KI-Tutor wurde anschließend von Lehrkräften und Lernenden getestet, woraufhin sie einen TAM-basierten Fragebogen ausfüllten. Ergänzend dazu wurden qualitative Fragen gestellt, um Stärken, Verbesserungspotential sowie potenzielle Entwicklungsrichtungen zu identifizieren. |
Freitag, 11. Oktober 2024, 13:30 Uhr
iCal (Download)
Ort: Raum 010 (Gebäude 50.34)
Vortragende(r) | Anne-Kathrin Hermann |
---|---|
Titel | Towards Integrating Low-Code in View-based Development |
Vortragstyp | Vortrag |
Betreuer(in) | Lars König |
Vortragssprache | Englisch |
Vortragsmodus | in Präsenz |
Kurzfassung | = Abschlussvortrag Praxis der Forschung =
In recent years, low-code development has been established as an innovative method for software development. It enables the development of a wide range of applications using graphical tools, with little or no knowledge of text-based programming languages. Closely related is model-driven development, where models play a primary role in specifying software systems and generating code partially automatically. While model-driven development supports development processes where developers from different domains work on different models that are kept consistent, in practice, classical model-driven tools are often difficult to use for domain experts with a less technical background. To bridge this gap, we propose a concept for integrating low-code platforms through projective views into model-driven development environments. We provide an initial evaluation of the feasibility of our concept using a development platform for smart home systems as a case study. |
Vortragende(r) | Marcel Straub |
---|---|
Titel | Zeitbehaftete Informationsflussanalyse zur genauen Erkennung von verdeckten Zeitkanälen |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Christopher Gerking |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | TBD |
Freitag, 25. Oktober 2024, 11:30 Uhr
iCal (Download)
Ort: Raum 010 (Gebäude 50.34)
Webkonferenz: https://sdq.kastel.kit.edu/wiki/SDQ-Institutsseminar/Microsoft_Teams
Vortragende(r) | Tim Schilpp |
---|---|
Titel | Evaluating Source Code Generation Techniques |
Vortragstyp | Masterarbeit |
Betreuer(in) | Erik Burger |
Vortragssprache | Deutsch |
Vortragsmodus | in Präsenz |
Kurzfassung | Kurzfassung |
Vortragende(r) | Felix Schwickerath |
---|---|
Titel | Handling undefined legal terms in architecture-based data protection analysis |
Vortragstyp | Bachelorarbeit |
Betreuer(in) | Nicolas Boltz |
Vortragssprache | |
Vortragsmodus | in Präsenz |
Kurzfassung | Kurzfassung |
Freitag, 20. Dezember 2024, 11:30 Uhr
iCal (Download)
Ort: Raum 010 (Gebäude 50.34)
Webkonferenz: https://sdq.kastel.kit.edu/institutsseminar/Microsoft_Teams
Vortragende(r) | Fabian Sturm |
---|---|
Titel | Tailored Storytelling with ChatGPT: An Approach of Linking Student Interests to Learning Goals through Generated Stories |
Vortragstyp | Masterarbeit |
Betreuer(in) | Kai Marquardt |
Vortragssprache | |
Vortragsmodus | in Präsenz |
Kurzfassung | TBD |