„`html<\/p>\n
Menschliche Fehler sind heute die Hauptursache f\u00fcr Cybersicherheitsvorf\u00e4lle in Organisationen. Entgegen der landl\u00e4ufigen Meinung sind diese Schwachstellen nicht immer auf b\u00f6swillige Absichten zur\u00fcckzuf\u00fchren, sondern oft auf psychologische oder umweltbedingte Faktoren wie Stress, M\u00fcdigkeit oder beeintr\u00e4chtigte Konzentration. Eine aktuelle Studie schl\u00e4gt eine innovative L\u00f6sung vor, um diese Risiken in Echtzeit vorherzusehen.<\/p>\n
Die Idee basiert auf einem System, das kontinuierlich den physiologischen und kognitiven Zustand der Nutzer sowie deren unmittelbare Umgebung analysieren kann. Sensoren messen Indikatoren wie Herzfrequenz, elektrodermale Hautreaktion, Raumtemperatur, Ger\u00e4uschpegel oder Beleuchtung. Diese Daten, die f\u00fcr den Nutzer selbst oft unmerklich sind, offenbaren Anzeichen von Stress oder mentaler \u00dcberlastung, noch bevor Fehler begangen werden. So verringern beispielsweise eine Temperatur \u00fcber 24 Grad oder ein L\u00e4rmpegel \u00fcber 55 Dezibel die Konzentrations- und Entscheidungsf\u00e4higkeit deutlich. Ebenso kann zu intensives Licht oder eine ungeeignete Beleuchtung zu visueller und mentaler Ersch\u00f6pfung f\u00fchren und damit das Risiko von Vergesslichkeit oder Fehlbedienungen erh\u00f6hen.<\/p>\n
Das Herzst\u00fcck des Systems nutzt ein KI-Modell, das zwei Technologien kombiniert: ein konvolution\u00e4res neuronales Netzwerk zur Erkennung von Mustern in den Sensordaten und ein rekurrentes Netzwerk vom Typ LSTM, um die Entwicklung dieser Muster \u00fcber die Zeit zu verfolgen. Dieser Ansatz erm\u00f6glicht es, subtile Ver\u00e4nderungen im Zustand des Nutzers, wie einen Anstieg von Stress oder einen Konzentrationsabfall, mit einer Genauigkeit von 84 % zu erkennen. Wird ein hohes Risiko erkannt, kann das System angepasste Ma\u00dfnahmen ausl\u00f6sen, wie eine Warnung, eine vor\u00fcbergehende Zugriffsbeschr\u00e4nkung oder eine Benachrichtigung an einen Vorgesetzten.<\/p>\n
Eine der gr\u00f6\u00dften Herausforderungen besteht darin, dieses Modell auf verschiedene Personen zu verallgemeinern. Jeder Mensch reagiert n\u00e4mlich unterschiedlich auf Stress oder seine Umgebung. Um dies zu l\u00f6sen, wurde das System so konzipiert, dass es sich an jeden Nutzer anpassen kann, ohne dass ein vollst\u00e4ndiges Neulernen erforderlich ist. Es verwendet eine dynamische Normalisierung der Daten, die es ihm erm\u00f6glicht, zwischen normalen Schwankungen und Fr\u00fchwarnzeichen f\u00fcr potenzielle Fehler zu unterscheiden. Allerdings kann diese Methode an Grenzen sto\u00dfen, wenn die anf\u00e4nglichen Daten nicht ausreichend vielf\u00e4ltige Situationen abdecken.<\/p>\n
Eine weitere Herausforderung betrifft den Schutz der Privatsph\u00e4re. Physiologische Daten wie Herzfrequenz oder Hautreaktion k\u00f6nnen sensible Gesundheitsinformationen preisgeben, etwa eine Schwangerschaft, psychische St\u00f6rungen oder chronische Krankheiten. Ihre Erhebung und Nutzung werfen daher ethische und rechtliche Fragen auf. In vielen L\u00e4ndern gelten solche Daten als sensibel und unterliegen strengen Vorschriften. Organisationen, die ein solches System einf\u00fchren m\u00f6chten, m\u00fcssen daher darauf achten, die informierte Zustimmung der Mitarbeiter einzuholen, Transparenz \u00fcber die Datennutzung zu gew\u00e4hrleisten und klare Richtlinien zu schaffen, um Diskriminierung oder Eingriffe in die Privatsph\u00e4re zu vermeiden.<\/p>\n
Das System wurde mit simulierten Daten getestet, die reale Bedingungen nachbilden. Die Ergebnisse zeigen, dass es riskante Zust\u00e4nde mit guter Zuverl\u00e4ssigkeit erkennen kann, auch wenn noch Verbesserungen m\u00f6glich sind, insbesondere zur Reduzierung von Fehlalarmen. Eine individuelle Kalibrierungsphase, in der jeder Nutzer das Ger\u00e4t einen ganzen Tag lang tr\u00e4gt, k\u00f6nnte die Genauigkeit weiter erh\u00f6hen, indem sie die individuellen Besonderheiten ber\u00fccksichtigt.<\/p>\n
In der Praxis k\u00f6nnte diese Technologie die Art und Weise, wie Organisationen Cybersicherheit angehen, ver\u00e4ndern. Statt sich ausschlie\u00dflich auf technische L\u00f6sungen wie Firewalls oder Antivirenprogramme zu konzentrieren, stellt sie den Menschen in den Mittelpunkt der Schutzstrategie. Indem die Sicherheitsma\u00dfnahmen an den tats\u00e4chlichen Zustand der Nutzer angepasst werden, bietet sie einen proaktiven Ansatz, um Fehler zu verhindern, bevor sie auftreten. Dies k\u00f6nnte nicht nur die Anzahl der Vorf\u00e4lle verringern, sondern auch das Wohlbefinden der Mitarbeiter verbessern, indem extrem stressige oder kognitiv \u00fcberfordernde Situationen vermieden werden.<\/p>\n
„`<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1186\/s42400-026-00609-z<\/a><\/p>\n Titre\u00a0:<\/strong> BioEnvSense: a human-centred security framework for preventing behaviour-driven cyber incidents<\/p>\n Revue : <\/strong> Cybersecurity<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Duy Anh Ta; Farnaz Farid; Farhad Ahamed; Ala Al-Areqi; Robert Beutel; Tamara Watson; Alana Maurushat<\/p>\n","protected":false},"excerpt":{"rendered":" „`html K\u00f6nnen menschliche Fehler in der Cybersicherheit durch k\u00fcnstliche Intelligenz verhindert werden? Menschliche Fehler sind heute die Hauptursache f\u00fcr Cybersicherheitsvorf\u00e4lle in Organisationen. Entgegen der landl\u00e4ufigen Meinung sind diese Schwachstellen nicht immer auf b\u00f6swillige Absichten zur\u00fcckzuf\u00fchren, sondern oft auf psychologische oder umweltbedingte Faktoren wie Stress, M\u00fcdigkeit oder beeintr\u00e4chtigte Konzentration. Eine aktuelle Studie schl\u00e4gt eine innovative L\u00f6sung… K\u00f6nnen menschliche Fehler in der Cybersicherheit durch k\u00fcnstliche Intelligenz verhindert werden?<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6,9],"tags":[],"class_list":["post-27","post","type-post","status-publish","format-standard","hentry","category-gesundheit","category-umwelt","entry"],"_links":{"self":[{"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/posts\/27","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/comments?post=27"}],"version-history":[{"count":1,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/posts\/27\/revisions"}],"predecessor-version":[{"id":28,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/posts\/27\/revisions\/28"}],"wp:attachment":[{"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/media?parent=27"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/categories?post=27"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/socialsciencesreview.com\/de\/wp-json\/wp\/v2\/tags?post=27"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}