Grundlagenforschung und Entwicklung von Fähigkeiten zur Datenrekonstruktion nach gezielter Datenreduktion in schwierigen Kommunikationsumgebungen

Description du marché

Ziel des Vorhabens ist die Erbringung innovativer Forschungs- und Entwicklungsleistungen in einem wettbewerblichen Rahmen zur Datenrekonstruktion im Sicherheitskontext. Übergeordnete Forschungsfrage Welche (technologischen) Verbesserungen können verwendet werden, um die sichere/geschützte Kommunikation mit geringer Datenübertragungsrate qualitativ aufzuwerten? Untersuchungsgegenstände (UG) Folgende Untersuchungsgegenstände (UG) sollen gleichwertig und gleichrangig betrachtet werden: UG1: Senkung der benötigten Bandbreite für die Übertragung der Videodaten (AI-Upscaling): Ziel ist die Reduzierung der benötigten Bandbreite bei der Übertragung von Videodaten. Dies kann beispielweise durch die Absenkung oder Komprimierung der Qualität des Videosignals mit anschließender Hochskalierung beim Empfänger mittels Machine-Learning-Verfahren (Deep Learning) erreicht werden. Dabei wird das Ziel verfolgt, keine Unterschiede in der Qualität zwischen dem Bildmaterial auf Empfänger- und Senderseite festzustellen. So könnte die Datenrate für die Übertragung erheblich gesenkt werden, ohne eine Veränderung der Kommunikationsqualität. Zu untersuchen ist, ob ein solcher Ansatz realisierbar ist, und welche Qualitätsverluste auf Empfängerseite entstehen. UG2: Senkung der benötigten Bandbreite für die Übertragung von Audiodaten und anschließendes KI-Hochskalieren (AI-Upscaling): Vergleichbar zum UG1 soll hier die Bandbreite bei der Übertragung von Audiodaten reduziert werden. Beispielsweise können mittels Machine-Learning-Verfahren die übertragenen Töne und Stimmen komprimiert und auf der Empfängerseite hochskaliert werden. Dabei muss untersucht werden, ob ein Hochskalieren, vergleichbar mit dem bei Videosignalen, möglich ist. Dabei soll ein Vergleich zu aktuellen Verfahren und Codecs zeigen, welcher Mehrwert in diesem Bereich durch AI-Upscaling erzielt werden kann. UG3: Auswahl von relevanten Bildausschnitten und Senkung der benötigten Bandbreite für die Übertragung des Restes: In bestimmten Situationen ist es notwendig, dass Bildinformationen verlustfrei übertragen werden. Beispiele hierfür sind Nummern- oder Straßenschilder, die bei einer falschen Rekonstruktion fehlerhafte Informationen auf Empfängerseite entstehen lassen. Durch die gezielte Auswahl oder durch die automatisierte Erkennung von Bildausschnitten, die bei der Dekomprimierung ausgeschlossen werden sollen, kann diesem Problem entgegengewirkt werden. Zu untersuchen ist, ob ein solcher Ansatz realisierbar ist, welche Herausforderungen damit verbunden sind und wie hoch die Fehlerrate ist. UG4: Einsatz von Deepfake-Technologien zur Rekonstruktion von Gesichtern: Ein Aspekt der modernen Kommunikation ist der Face-to-Face-Video-Chat. Dabei steht weniger die Übermittlung von Informationen mithilfe von Bilddaten im Mittelpunkt, sondern der persönliche Austausch zwischen Menschen. Daher wird dieser Aspekt ebenfalls mitbetrachtet. Mit Hilfe von Deepfake-Technologien können Gesichter und Stimmen von Personen in Videoaufnahmen/Videoübertragungen künstlich verändert werden. Zwar besteht ein hohes Missbrauchspotenzial, aber ebenfalls ein hohes Potenzial diese Technik für positive Zwecke zu verwenden. Steht bei der Kommunikation die direkte Interaktion zwischen zwei Menschen im Vordergrund, können Deepfake-Technologien dabei helfen die Datenrate erheblich zu senken, indem auf der Empfängerseite das Gegenüber künstlich rekonstruiert wird. Zu untersuchen ist, ob diese Technologie sich eignet, Mensch-zu-Mensch-Kommunikation (Video-Call) bei einer geringeren Datenübertragungsrate zu realisieren. Weiterhin sind eventuelle Sicherheitsrisiken zu untersuchen. Untersuchungsaspekte Folgende Untersuchungsaspekte (UA) sollen jeweils betrachtet werden: (UA1) Qualitätsverlust und Folgenbeurteilung und -minderung für den jeweiligen Einsatzzweck: Zu untersuchen ist, wie hoch der Qualitätsverlust auf Empfängerseite, unter Einsatz geeigneter Technologien, ist. Weiterhin ist zu untersuchen, ob es möglich ist, diese Technologien zu verwenden, ohne dass der Empfänger einen Unterschied zu konventionellen Ansätzen merkt und keinen Informationsverlust erleidet. (UA2) Maximale Absenkung der Qualität/Daten auf Senderseite bei Aufrechterhaltung der jeweiligen Anforderungen des Einsatzzwecks: Es muss untersucht werden, wie weit die Qualität abgesenkt werden kann und ab welchem Punkt keine erfolgreiche Kommunikation mehr möglich ist. Dies ermöglicht einen Vergleich zu konventionellen Ansätzen der Datenübertragung. (UA3) Ressourcenallokation: Es ist davon auszugehen, dass eine mögliche Datenreduzierung und Datenrekonstruktion eine Erhöhung des Ressourceneinsatzes (Rechenbedarf, Speicherbedarf, u.a.) auf Sender- und Empfängerseite verursacht. Es kann somit von einer Ressourcenneuallokation gesprochen werden, wobei der insgesamte Ressourceneinsatz gleichbleibt (z. B. Strom/Energie). Es ist zu untersuchen, ob diese Annahme zutrifft, oder ob ein geänderter Ressourceneinsatz beim Einsatz dieser Technologie entsteht. Insbesondere soll dabei die „Computational Limits of Deep Learning“ unter Einbezug einer zu erwartenden Singularität der Entwicklung bei maximal verfügbaren Ressourcen untersucht werden.

Pouvoir adjudicateur