Show notes
In dieser Episode diskutieren Ellen und Doreen die Risiken von Machine Learning in der Energiewende: Intelligente Stromnutzung kann Geld sparen und ML spielt bei der Nutzung erneuerbarer Energien eine wichtige Rolle. Doch diese Kombination birgt auch Risiken: Das Netz ist volatil und mögliche Angriffe können verheerende Folgen haben. Es geht daher auch um die Sicherheitsanfälligkeiten, die durch die Vernetzung von Geräten entstehen und um reale Angriffe auf Energieinfrastrukturen. Doch es gibt Strategien zur Verbesserung der Sicherheit von Machine Learning-Modellen, um diesen Herausforderungen zu begegnen.CHAPTERS(00:00) Einstiegsfrage(08:14) Climate Tech und persönliche Erfahrungen(10:31) Energiebedarf und Klimawandel(17:27) Wissen über Energie und ihre Bedeutung(17:28) Die Rolle von Machine Learning in der Energiewende(27:03) Risiken von Machine Learning und Cybersecurity(33:03) Typische Sicherheitsanfälligkeiten und Fallbeispiele(41:21) Sicherheitsrisiken in der Energieversorgung(44:15) Netzstabilität und ihre Herausforderungen(46:04) Schutz von Machine Learning Modellen(51:10) Cross-Skilling und Teamarbeit in der Sicherheit(54:45) Die Bedeutung von Tests und Hacker-GruppenLINKShttps://www.golem.de/news/klimawandel-massiver-solarausbau-koennte-erde-bis-2050-abkuehlen-2503-194728.htmlhttps://www.sciencedirect.com/science/article/pii/S0306261921007224https://www.flaticon.com/free-icon/eco-house_15471480https://www.iea.org/news/growth-in-global-electricity-demand-is-set-to-accelerate-in-the-coming-years-as-power-hungry-sectors-expand https://www.utilitydive.com/news/minimize-artificial-intelligence-cyber-risks-to-energy-infrastructure-start-with-design/731446/ https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/https://techxplore.com/news/2018-01-world-toaster-ai.htmlhttps://www.forescout.com/resources/sun-down-research-report/https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/https://dcurt.is/thinking
