Dr. rer. nat. Alexander Motzek
- Wissenschaftlicher Mitarbeiter -
Institut für Informationssysteme
Universität zu Lübeck
Ratzeburger Allee 160 ( Gebäude 64 - 2.OG )
D-23562 Lübeck
email :E-Mail an Alexander Motzek
Curriculum Vitae
Beruflich
- Oktober 2014 -- Oktober 2016 - Wissenschaftlicher Mitarbeiter am Institut für Informationssysteme der Universität zu Lübeck.
- März 2014 -- Oktober 2016 - Wissenschaftlicher Mitarbeiter im Forschungsprojekt PANOPTESEC der Europäischen Union im Rahmen des Framework Programme 7.
- März 2012 -- März 2014 - Erster Inbetriebsetzer für Automatisierungstechnik in der Gebäudetechnik, Siemens AG, Entwicklung und Inbetriebnahme einer deutschlandweiten, web-ticketbasierten Prämien-Honorierungsanwendung.
- Juni 2010 -- März 2012 - Fachmonteur für Automatisierungstechnik in der Gebäudetechnik, Siemens AG im Bereich von Leitstellensystemen & Interner Softwareentwicklung.
- Sep. 2007 -- Juni 2010 - Auszubildender zum Elektroniker für Automatisierungstechnik, Siemens AG
Ausbildung
- Oktober 2016 - Promotion (Dr. rer. nat.) in Informatik, Künstlicher Intelligenz
- Januar 2014 - Master of Science in Ingenieurinformatik, Technische Universität Hamburg-Harburg.
- Januar 2012 - Bachelor of Engineering in Informations- und Elektrotechnik, HAW Hamburg.
- März 2010 - Elektroniker für Automatisierungstechnik, IHK Hamburg, Siemens AG.
Promotionsschrift: Indirect Causes, Dependencies and Causality in Bayesian Networks
Betrachtet man kausale Zusammenhänge in komplexen oder zeitlich veränderlichen Domänen, sind oftmals keine eindeutigen Kausalitäten erkennbar, d. h. die Rollen von Ursachen und Wirkung sind nicht allgemeingültig bestimmbar. Betrachtet man Zusammenhänge lokal, d. h. aus einer rein kausalen Sicht von Ursachen auf Wirkungen, so werden durch veränderliche kausale Abhängigkeiten in erster Linie zyklische Abhängigkeiten benötigt. Es ist sehr wichtig Kausalität anstatt von Korrelation zu modelieren, weshalb oftmals Bayes'sche Netze verwendet werden um unter Untersicherheit Schlüsse zu ziehen. Bayes'sche Netzwerke sind gerichtete probabilistische graphische Modelle, erlauben eine kausale Modellierung von Wahrscheinlichkeitsprozessen und verfügen über lokal spezifizierbare und verständliche Parameter, sind jedoch nicht für zyklische Graphen definiert. Um zyklische Abhängigkeiten in Bayes'schen Netzen zu betrachten, werden oftmals dynamische Bayes'sche Netze verwendet, welche zyklische Abhängigkeiten in mehreren Zeitschritten auflösen. Durch diese zeitliche Auflösung werden jedoch nicht nur Zyklen aufgehoben, sondern es werden auch sämtliche indirekte Einflüsse innerhalb eines Zeitschrittes eliminiert, wodurch sich eine infinitesimal kleine Zeiteinteilung aufzwingt. Ohne eine kausale Modellierung, d. h. ohne direkte und indirekte Zusammenhänge kausal korrekt darzustellen, zeigen wir in dieser Arbeit, dass Modelle kollabieren und entartete Ergebnisse produzieren.
Der größte Beitrag dieser Arbeit lässt sich wie folgt zusammenfassen: Wir zeigen, dass spezielle Eigenschaften von bedingten Wahrscheinlichkeitsverteilungen es probabilistischen graphischen Modellen erlauben sich rapide an einen speziellen Kontext anzupassen, wodurch sich Einflüsse korrekt modellieren lassen und indirekte Einflüsse beachtet werden ohne dabei Anforderungen an eine Zeiteinteilung zu stellen, selbst wenn sich zyklische Abhängigkeiten ergeben.
Weitere Informationen, aktuelle Forschungsergebnisse und zusätzliches Material zu dieser Arbeit sind auf folgender Seite verfügbar:
Forschungsinteressen
- Probabilistische Graphische Modelle
- Bayes’sche Netze
- Bildverarbeitung
- Informationssicherheit
Publikationen
2015
- Karsten Martiny, Alexander Motzek, Ralf Möller: Formalizing Agents’ Beliefs for Cyber-Security Defense Strategy Planning
in: International Joint Conference - CISIS 15 and ICEUTE 15, 8th International Conference on Computational Intelligence in Security for Information Systems / 6th International Conference on European Transnational Education, 2015, June, Springer International Publishing, Burgos, Spain, Vol.369, p.15-25
- Alexander Motzek, Ralf Möller, Mona Lange, Samuel Dubus: Probabilistic Mission Impact Assessment based on Widespread Local Events
in: NATO IST-128 Workshop on Cyber Attack Detection, Forensics and Attribution for Assessment of Mission Impact, 2015, June, IST, Istanbul, Turkey - Alexander Motzek, Ralf Möller: Indirect Causes in Dynamic Bayesian Networks Revisited
in: IJCAI 2015: 24th International Joint Conference on Artificial Intelligence, 2015, July, AAAI, Buenos Aires, Argentina, p.703-709 - Alexander Motzek, Ralf Möller: Exploiting Innocuousness in Bayesian Networks
in: AI 2015: Advances in Artificial Intelligence - Proceedings of the 28th Australasian Conference, Canberra, ACT, Australia, November 30 - December 4, 2015, 2015, p.411-423
2016
- Alexander Motzek, Christina Geick, Ralf Möller: Semantic Normalization and Merging of Business Dependency Models
in: CBI 2016: 18th IEEE Conference on Business Informatics, Paris, France, August 29 - September 1, 2016 - Gustavo Gonzalez Granadillo, Alexander Motzek, Joaquin Garcia-Alfaro, Hervé Debar: Selection of Mitigation Actions Based on Financial and Operational Impact Assessments
in: ARES 2016: 11th International Conference on Availability, Reliability and Security, Salzburg, Austria, August 31 - September 2, 2016, p.137-146 - Alexander Motzek, Ralf Möller: Probabilistic Mission Defense and Assurance
in: NATO IST-148 Symposium on Cyber Defence Situation Awareness, NATO IST-148, Sofia, Bulgaria, October 3-4, 2016 - Gustavo Gonzalez Granadillo, Ender Alvarez, Alexander Motzek, Matteo Merialdo, Joaquin Garcia-Alfaro, Hervé Debar: Towards an Automated and Dynamic Risk Management Response System
in: NordSec 2016: 21st Nordic Conference on Secure IT Systems, Oulu, Finland, November 2 - 4, 2016, Springer, LNCS, Vol.10014, p.37-53 - Alexander Motzek, Ralf Möller: Context- and Bias-Free Probabilistic Mission Impact Assessment
in: Computers & Security, DOI j.cose.2016.11.005, 2016, Vol.65, p.166-186, ISSN 0167-4048
2017
- Motzek, Alexander, Möller, Ralf: Indirect Causes in Dynamic Bayesian Networks Revisited
in: Journal of Artificial Intelligence Research (JAIR), 2017, Vol.59, p.1-58 - Alexander Motzek, Gustavo Gonzalez-Granadillo, Herve Debar, Joaquin Garcia-Alfaro, Ralf Möller: Selection of Pareto-efficient Response Plans based on Financial and Operational Assessments
in: EURASIP Journal on Information Security, 2017, Juli, p.2017:12
Studentische Arbeiten
Betreute Arbeiten
- Trong Thang Tran. Verbesserung eines auf Fourier Klassifikators unter Verwendung von Deskriptoren basierenden maschinellem Lernen, Mastarbeit, Technische Universität Hamburg-Harburg, September 2014.
- Christina Geick. Semantische Normalisierung und Verschmelzung von GeschäftsprozessgraphenAutomatische Verarbeitung von BPMN Modellen in eine einheitliche Datenstruktur, Bachelorarbeit, Universität zu Lübeck, Institut für Informationssysteme, 2016.
- Björn Woltersdorf. Automatische Verarbeitung von BPMN Modellen in eine einheitliche Datenstruktur, Bachelorarbeit, Universität zu Lübeck, Institut für Informationssysteme, 2016.