Unser Glossar bietet euch ultra-kurze und klare Begriffserklärungen in den Themenbereichen KI und Cybersecurity. Egal ob Fachtermini oder häufig verwendete Ausdrücke – hier findet ihr schnell die passende Definition. Die Inhalte sind sehr kompakt, präzise und leicht verständlich gehalten.
Unter Themen findet ihr weitere zahlreiche Begriffe, die zu weiterführenden Informationen in Form von Beiträgen und Artikeln führen.
So behaltet Ihr auch bei komplexen Themen stets den Überblick zu den Fachausdrücken.
Adversarial AI umfasst Angriffe auf künstliche Intelligenz durch speziell manipulierte Eingaben oder Daten. Ziel ist es, KI-Modelle zu täuschen und fehlerhafte Entscheidungen zu provozieren. Bereits kleine Veränderungen an Bildern, Texten oder Audiodateien können dazu führen, dass ein System Inhalte falsch interpretiert. Solche Angriffe stellen eine große Herausforderung für die Sicherheit moderner KI-Anwendungen dar.
AI Alignment beschäftigt sich damit, KI-Systeme an menschliche Werte anzupassen. Ziel ist es, unerwünschtes oder gefährliches Verhalten zu vermeiden. Dabei werden ethische und technische Ansätze kombiniert. Es ist besonders wichtig für leistungsstarke KI-Systeme.
AI Ethics behandelt moralische Fragen rund um den Einsatz von KI. Es geht um Themen wie Fairness, Transparenz und Verantwortung. Auch Diskriminierung durch Algorithmen wird untersucht. Der Bereich gewinnt weltweit an Bedeutung.
AI Governance regelt den Einsatz von KI. Sie legt Richtlinien fest. Sie sorgt für Kontrolle. Sie wird immer wichtiger.
Ein AI Model ist ein trainiertes System zur Verarbeitung von Daten. Es erkennt Muster und trifft Vorhersagen. Die Qualität hängt stark von den Trainingsdaten ab. Es ist die Grundlage jeder KI-Anwendung.
Ein Algorithmus ist eine klare Abfolge von Rechenschritten. Er dient zur Lösung eines Problems. In der KI verarbeitet er Daten systematisch. Er bildet die Basis für alle Modelle.
AI Security beschäftigt sich mit dem Schutz von KI-Systemen vor Angriffen. Gleichzeitig wird KI genutzt, um Bedrohungen schneller zu erkennen. Der Bereich gewinnt durch den Einsatz von künstlicher Intelligenz stark an Bedeutung.
APTs sind gezielte und langfristig angelegte Cyberangriffe auf bestimmte Organisationen oder Staaten. Sie werden häufig von gut organisierten Gruppen durchgeführt, oft mit staatlicher Unterstützung. Das Ziel ist meist Spionage, Datendiebstahl oder Sabotage.
APT-Angriffe verlaufen in mehreren Phasen, darunter Eindringen, Ausbreitung und langfristige Präsenz im System. Angreifer nutzen dabei komplexe und oft maßgeschneiderte Methoden. Sie versuchen, unentdeckt zu bleiben und Sicherheitsmechanismen zu umgehen. Häufig werden Schwachstellen, Phishing oder Social Engineering ausgenutzt.
Ein Merkmal ist die „Persistenz“, also das dauerhafte Verbleiben im Netzwerk. Dadurch können Angreifer kontinuierlich Daten sammeln oder Systeme manipulieren. APTs stellen eine besonders große Bedrohung für Unternehmen, Behörden und kritische Infrastrukturen dar.
AutoML automatisiert Modellentwicklung. Es reduziert manuellen Aufwand. Auch Nicht-Experten können KI nutzen. Es beschleunigt Prozesse.
ASM identifiziert alle möglichen Angriffspunkte eines Systems. Dazu gehören interne und externe Ressourcen. Ziel ist es, Risiken sichtbar zu machen und zu reduzieren.
BAS simuliert Cyberangriffe unter realistischen Bedingungen. Dadurch können Sicherheitsmaßnahmen getestet werden. Schwachstellen werden frühzeitig erkannt.
Backpropagation ist ein Verfahren zum Training neuronaler Netze. Dabei wird der Fehler rückwärts durch das Netz berechnet. Die Gewichte werden entsprechend angepasst. So verbessert sich die Leistung des Modells.
Bias beschreibt systematische Fehler in Daten oder Modellen. Er kann zu unfairen Ergebnissen führen. Oft entsteht er durch unausgewogene Trainingsdaten. Die Reduktion von Bias ist ein wichtiges Ziel.
Big Data bezeichnet sehr große und komplexe Datenmengen. Diese werden für das Training von KI genutzt. Sie ermöglichen genauere Vorhersagen. Ihre Verarbeitung erfordert spezielle Technologien.
Ein Botnet ist ein Netzwerk aus infizierten Geräten. Diese werden von Angreifern ferngesteuert. Sie werden oft für DDoS-Angriffe genutzt.
Ein Chatbot ist ein Programm für automatische Gespräche. Er verarbeitet Spracheingaben von Nutzern. Er antwortet auf Basis von KI-Modellen. Er wird oft im Kundenservice eingesetzt.
Cloud Security schützt Daten und Anwendungen in der Cloud. Sie umfasst Maßnahmen wie Verschlüsselung und Zugriffskontrolle. Sie ist wichtig für moderne IT-Infrastrukturen.
CNAPP ist eine Plattform zum Schutz cloudnativer Anwendungen. Sie kombiniert mehrere Sicherheitsfunktionen in einem System. Dadurch wird die Cloud-Sicherheit verbessert.
Computer Vision ermöglicht Maschinen das „Sehen“. Dabei werden Bilder und Videos analysiert. Objekte und Muster werden erkannt. Anwendungen gibt es z. B. in Medizin und Verkehr.
Credential Stuffing ist ein automatisierter Angriff, bei dem gestohlene Zugangsdaten aus früheren Datenlecks wiederverwendet werden. Da viele Nutzer identische Passwörter für mehrere Dienste verwenden, können Angreifer so zahlreiche Konten kompromittieren. Die Angriffe erfolgen meist mit Bots und hoher Geschwindigkeit. Schutz bieten starke Passwörter, Passwortmanager und Multi-Faktor-Authentifizierung.
CSPM überwacht die Sicherheit von Cloud-Konfigurationen. Es erkennt Fehlkonfigurationen automatisch. Dadurch werden Sicherheitslücken reduziert.
CTEM ist ein moderner Ansatz im Bereich IT-Sicherheit. Dabei geht es darum, die Angriffsfläche eines Unternehmens kontinuierlich zu überwachen und zu bewerten. Systeme, Netzwerke und Anwendungen werden fortlaufend auf Schwachstellen und Fehlkonfigurationen geprüft.
Ein wichtiger Aspekt ist die Betrachtung aus Sicht eines potenziellen Angreifers. So lassen sich reale Risiken besser erkennen und priorisieren. CTEM kombiniert verschiedene Sicherheitsmethoden wie Scanning, Analyse und Validierung. Unternehmen können dadurch gezielter Maßnahmen zur Risikoreduktion ergreifen.
Der Ansatz ist proaktiv und nicht nur reaktiv auf Sicherheitsvorfälle ausgerichtet. Dadurch wird die allgemeine Sicherheitslage langfristig verbessert. CTEM unterstützt Organisationen dabei, ihre Cyberabwehr effizienter und strukturierter zu gestalten.
Data Mining analysiert große Datenmengen. Es erkennt Muster und Zusammenhänge. Diese Erkenntnisse unterstützen Entscheidungen. Es ist ein wichtiger Teil der Datenanalyse.
Ein Data Breach ist ein unbefugter Zugriff auf Daten. Dabei können sensible Informationen gestohlen werden. Dies kann rechtliche und finanzielle Folgen haben.
Data Tokenization ersetzt sensible Daten durch Platzhalter. Die echten Daten werden sicher gespeichert. Dadurch wird das Risiko von Datenmissbrauch reduziert.
Ein Dataset ist eine Sammlung von Daten. Es wird für das Training von KI genutzt. Die Qualität beeinflusst das Ergebnis stark. Gute Daten sind entscheidend für Erfolg.
Deep Learning ist ein Teilbereich des Machine Learning. Es nutzt tiefe neuronale Netze. Damit können komplexe Aufgaben gelöst werden. Es wird z. B. für Sprache und Bilder verwendet.
Deepfake Fraud bezeichnet Betrugsversuche mit KI-generierten Stimmen, Bildern oder Videos. Cyberkriminelle imitieren damit täuschend echt bekannte Personen wie Geschäftsführer, Mitarbeiter oder Familienmitglieder. Häufig werden Deepfakes genutzt, um Geldtransfers auszulösen oder vertrauliche Informationen zu erschleichen. Die Technologie entwickelt sich rasant und erschwert die Erkennung solcher Angriffe zunehmend.
Ein DDoS-Angriff überlastet Systeme mit vielen Anfragen. Dadurch werden Dienste unerreichbar. Oft werden solche Angriffe durch Botnetze durchgeführt.
DevSecOps integriert Sicherheit in den Entwicklungsprozess. Sicherheitsaspekte werden früh berücksichtigt. Dadurch entstehen sicherere Anwendungen.
Double Extortion ist eine moderne Form von Ransomware-Erpressung. Dabei verschlüsseln Angreifer nicht nur Daten, sondern stehlen diese zusätzlich vorab. Unternehmen werden anschließend mit der Veröffentlichung sensibler Informationen unter Druck gesetzt. Selbst funktionierende Backups schützen daher nicht vollständig vor den Folgen eines solchen Angriffs.
EDR überwacht Endgeräte wie Computer und Server. Es erkennt verdächtige Aktivitäten in Echtzeit. Dadurch kann schnell auf Angriffe reagiert werden.
Edge AI läuft direkt auf Geräten. Keine Cloud notwendig. Sie reduziert Verzögerungen. Sie erhöht Datenschutz.
Ein Embedding stellt Daten als Zahlen dar. Es bildet Bedeutungen in Vektoren ab. Ähnliche Inhalte liegen nahe beieinander. Es wird oft in Sprachmodellen verwendet.
Encryption bedeutet Verschlüsselung von Daten. Nur berechtigte Personen können sie lesen. Sie ist ein zentraler Bestandteil der IT-Sicherheit.
XAI macht KI-Systeme verständlich. Es erklärt, wie Entscheidungen entstehen. Das erhöht Vertrauen in die Technologie. Es ist wichtig für kritische Anwendungen.
Ein Exploit nutzt gezielt eine Sicherheitslücke aus. Er wird von Angreifern eingesetzt. Dadurch können Systeme kompromittiert werden.
Training erfolgt dezentral. Daten bleiben lokal. Modelle werden kombiniert. Das schützt Privatsphäre.
Fileless Malware ist Schadsoftware, die weitgehend ohne klassische Dateien auf der Festplatte arbeitet. Stattdessen nutzt sie Speicherprozesse oder legitime Systemwerkzeuge wie PowerShell. Dadurch hinterlässt die Malware nur wenige Spuren und kann viele Sicherheitslösungen umgehen. Fileless-Angriffe werden häufig bei modernen Ransomware- und Spionagekampagnen eingesetzt.
Eine Firewall kontrolliert den Netzwerkverkehr. Sie blockiert unerlaubte Zugriffe. Sie ist eine grundlegende Schutzmaßnahme.
Digitale Forensik untersucht Cyberangriffe. Dabei werden digitale Spuren analysiert. Sie hilft bei der Aufklärung von Vorfällen.
Foundation Models sind große Basismodelle. Sie sind vortrainiert. Sie können vielseitig eingesetzt werden. Sie bilden die Grundlage moderner KI.
Ein GAN besteht aus zwei Netzwerken. Ein Netzwerk erzeugt Daten. Das andere bewertet diese Daten. So entstehen realistische Ergebnisse.
Generative KI erstellt neue Inhalte. Das können Texte, Bilder oder Musik sein. Sie basiert auf großen Trainingsdaten. Sie wird in vielen Bereichen eingesetzt.
Governance beschreibt Regeln für IT-Sicherheit. Sie legt Verantwortlichkeiten fest. Sie sorgt für strukturierte Sicherheitsprozesse.
Halluzination beschreibt falsche KI-Antworten. Diese wirken oft sehr überzeugend. Sie basieren nicht auf echten Fakten. Das ist ein aktuelles Problem moderner KI.
Ein Honeypot ist ein Täuschsystem für Angreifer. Er lockt Hacker bewusst an. Dadurch können Angriffe analysiert werden.
IAM verwaltet Benutzer und deren Zugriffsrechte. Es stellt sicher, dass nur berechtigte Personen Zugriff haben. Es ist zentral für die IT-Sicherheit.
Ein IDS erkennt verdächtige Aktivitäten im Netzwerk. Es analysiert den Datenverkehr. Bei Auffälligkeiten wird Alarm ausgelöst.
Inferenz ist die Anwendung eines Modells. Es verarbeitet neue Daten. Dabei werden Vorhersagen getroffen. Dies ist der praktische Einsatz von KI.
Ein IPS erkennt und blockiert Angriffe automatisch. Es reagiert schneller als ein IDS. Dadurch werden Schäden verhindert.
Island Hopping beschreibt Angriffe über vertrauenswürdige Partnerunternehmen, Lieferanten oder Dienstleister. Cyberkriminelle kompromittieren zunächst ein weniger geschütztes Unternehmen, um anschließend Zugriff auf das eigentliche Ziel zu erhalten. Besonders gefährdet sind komplexe Lieferketten und IT-Dienstleister mit weitreichenden Zugriffsrechten. Die Methode spielt bei Supply-Chain-Angriffen eine zentrale Rolle.
ITDR erkennt Angriffe auf Benutzerkonten. Es analysiert Login-Verhalten. Dadurch können Identitätsangriffe gestoppt werden.
Ein Keylogger zeichnet Tastatureingaben auf. Er wird oft zum Diebstahl von Passwörtern genutzt. Meist arbeitet er unbemerkt im Hintergrund.
KI-Agenten sind Softwareprogramme, die eigenständig Aufgaben ausführen können, indem sie ihre Umgebung wahrnehmen, Entscheidungen treffen und darauf reagieren. Sie basieren häufig auf Methoden der künstlichen Intelligenz, wie maschinellem Lernen oder regelbasierten Systemen. Ein KI-Agent erhält Eingaben (z. B. Daten oder Nutzeranfragen) und verarbeitet diese, um passende Aktionen abzuleiten.
Dabei verfolgt er meist ein bestimmtes Ziel, etwa das Lösen eines Problems oder die Optimierung eines Prozesses. KI-Agenten können einfach sein (z. B. Chatbots) oder komplex (z. B. autonome Fahrzeuge oder digitale Assistenten). Wichtig ist, dass sie in gewissem Maß autonom handeln und sich oft durch Lernen oder Anpassung verbessern können.
LLMs sind große Sprachmodelle. Sie verstehen und erzeugen Texte. Sie basieren auf Deep Learning. Sie werden für Chatbots eingesetzt.
Training ist der Lernprozess eines Modells. Es nutzt große Datenmengen. Fehler werden korrigiert. So verbessert sich die Leistung.
Living off the Land bezeichnet Angriffe, bei denen Cyberkriminelle legitime Werkzeuge und Funktionen eines Betriebssystems missbrauchen. Statt eigene Schadsoftware einzuschleusen, nutzen Angreifer beispielsweise PowerShell, WMI oder PsExec für ihre Aktivitäten. Dadurch bleiben Angriffe oft lange unentdeckt, da die verwendeten Tools grundsätzlich vertrauenswürdig sind. LotL-Techniken werden häufig bei gezielten Angriffen und Advanced Persistent Threats (APT) eingesetzt.
Machine Learning ermöglicht Lernen aus Daten. Systeme erkennen Muster automatisch. Sie verbessern sich mit Erfahrung. Es ist ein Kernbereich der KI.
Malware ist Schadsoftware wie Viren oder Trojaner. Sie kann Systeme beschädigen oder Daten stehlen. Sie ist eine der häufigsten Bedrohungen.
Bei einer MFA Fatigue Attack senden Angreifer massenhaft Anfragen zur Multi-Faktor-Authentifizierung an ein Opfer. Ziel ist es, den Nutzer so lange zu nerven oder zu verwirren, bis er eine Anfrage versehentlich bestätigt. Diese Methode wird oft nach dem Diebstahl von Zugangsdaten eingesetzt. Besonders gefährdet sind Unternehmen mit Push-basierten MFA-Verfahren ohne zusätzliche Sicherheitsmechanismen.
Beim Modelltraining werden Parameter angepasst. Das Modell lernt aus Beispielen. Ziel ist eine gute Vorhersage. Es ist ein zentraler Prozess.
Model Poisoning beschreibt die gezielte Manipulation von Trainingsdaten für KI-Modelle. Angreifer schleusen dabei fehlerhafte oder manipulierte Daten in den Lernprozess ein, um das Verhalten des Modells zu beeinflussen. Dadurch können falsche Ergebnisse erzeugt oder Sicherheitsmechanismen umgangen werden. Besonders kritisch ist dies bei KI-Systemen in sicherheitsrelevanten Bereichen wie Medizin, Finanzwesen oder autonomem Fahren.
MFA verlangt mehrere Nachweise zur Anmeldung. Zum Beispiel Passwort und Code. Dadurch wird die Sicherheit deutlich erhöht.
MITRE ATT&CK ist ein Framework für Angriffstechniken. Es beschreibt das Verhalten von Angreifern. Es wird für Analyse und Verteidigung genutzt.
NLP ermöglicht das Verstehen von Sprache. KI verarbeitet Texte und Sprache. Sie erkennt Bedeutung und Kontext. Wird in Chatbots genutzt.
Ein neuronales Netz ist ein KI-Modell. Es ist vom Gehirn inspiriert. Es besteht aus mehreren Schichten. Es verarbeitet komplexe Daten.
Network Security schützt Netzwerke vor Angriffen. Sie verhindert unbefugten Zugriff. Sie umfasst verschiedene Sicherheitsmaßnahmen.
Overfitting bedeutet Überanpassung an Trainingsdaten. Das Modell lernt zu spezifisch. Es funktioniert schlecht bei neuen Daten. Das ist ein häufiges Problem.
Parameter sind Werte im Modell. Sie beeinflussen die Berechnung. Sie werden beim Training angepasst. Sie bestimmen das Verhalten.
PAM schützt privilegierte Benutzerkonten. Es überwacht Administratorzugriffe. Dadurch werden Risiken reduziert.
Patch Management verwaltet Software-Updates. Es schließt bekannte Sicherheitslücken. Dadurch bleiben Systeme geschützt.
Penetration Testing simuliert Hackerangriffe. Es testet die Sicherheit von Systemen. Schwachstellen werden aufgedeckt.
Phishing versucht, Nutzer zu täuschen. Ziel ist der Diebstahl von Daten. Es erfolgt oft über E-Mails.
PQC bezeichnet kryptografische Verfahren, die auch gegen Angriffe durch Quantencomputer sicher sein sollen. Klassische Verfahren wie RSA oder ECC basieren auf mathematischen Problemen, die ein leistungsfähiger Quantencomputer effizient lösen könnte. PQC nutzt stattdessen andere mathematische Grundlagen, etwa Gitterprobleme, Hashfunktionen oder Code-basierte Ansätze. Diese Probleme gelten nach heutigem Stand auch für Quantencomputer als schwer lösbar.
Ein wichtiges Ziel ist es, bestehende IT-Systeme rechtzeitig auf solche neuen Verfahren umzustellen („Migration“). Organisationen wie das National Institute of Standards and Technology arbeiten daran, sichere PQC-Algorithmen zu standardisieren.
Ein Prompt ist eine Eingabe für KI. Er steuert die Ausgabe. Er kann Text oder Fragen enthalten. Er ist wichtig für generative KI.
Prompt Engineering optimiert Eingaben. Ziel sind bessere Ergebnisse. Es nutzt gezielte Formulierungen. Es wird immer wichtiger.
Prompt Injection ist eine Angriffstechnik gegen KI-Systeme, bei der manipulierte Eingaben unerwünschte Aktionen auslösen sollen. Angreifer versuchen dabei, Sicherheitsregeln oder Einschränkungen eines Sprachmodells gezielt zu umgehen. Betroffen sind insbesondere KI-Chatbots, Assistenten und automatisierte Analysewerkzeuge. Die Methode kann dazu führen, dass vertrauliche Informationen offengelegt oder schädliche Inhalte erzeugt werden.
Ransomware verschlüsselt Daten. Danach wird Lösegeld gefordert. Sie verursacht große Schäden.
Reinforcement Learning basiert auf Belohnung. Die KI lernt durch Feedback. Sie probiert verschiedene Aktionen aus. So verbessert sie sich.
Risk Management bewertet Sicherheitsrisiken. Es priorisiert Schutzmaßnahmen. Es ist wichtig für die Planung.
SASE kombiniert Netzwerk und Sicherheit in der Cloud. Es ermöglicht sicheren Zugriff von überall. Es ist für moderne IT-Strukturen gedacht.
Ein SBOM listet Softwarekomponenten auf. Es schafft Transparenz. Es hilft bei der Sicherheitsanalyse.
Kombiniert gelabelte und ungelabelte Daten. Reduziert Datenaufwand. Verbessert Effizienz. Wird häufig genutzt.
Die KI erzeugt eigene Trainingssignale. Es braucht keine Labels. Es nutzt vorhandene Daten. Es wird bei großen Modellen eingesetzt.
Session Hijacking bezeichnet die Übernahme einer aktiven Benutzersitzung durch Angreifer. Dabei werden beispielsweise Session-Cookies oder Authentifizierungs-Tokens abgefangen oder gestohlen. Nach erfolgreicher Übernahme können sich Cyberkriminelle ohne erneute Anmeldung als legitimer Nutzer ausgeben. Besonders betroffen sind unsichere Webanwendungen oder unverschlüsselte Verbindungen.
SIEM sammelt und analysiert Sicherheits- und Systemlogs aus unterschiedlichen Quellen wie Firewalls, Servern, Cloud-Diensten oder Endgeräten zentral an einem Ort. Ziel ist es, verdächtige Aktivitäten frühzeitig zu erkennen, Sicherheitsvorfälle automatisch zu korrelieren und Alarme auszulösen. Moderne SIEM-Systeme nutzen dafür Regeln, Verhaltensanalysen und teilweise KI, um Angriffe schneller sichtbar zu machen. Typische Lösungen sind z. B. Splunk Enterprise Security, Microsoft Sentinel oder IBM QRadar.SIEM sammelt Sicherheitsdaten zentral. Es analysiert Ereignisse. Es erkennt Bedrohungen frühzeitig.
Social Engineering manipuliert Menschen. Es nutzt Vertrauen oder Angst. Es ist eine häufige Angriffsmethode.
SOAR automatisiert Sicherheitsprozesse. Es verbindet verschiedene Tools. Dadurch wird effizienter gearbeitet.
Speech Recognition erkennt Sprache. Sie wandelt Sprache in Text um. Sie wird in Assistenten genutzt. Sie verbessert Bedienung.
Spyware überwacht Nutzer heimlich. Sie sammelt persönliche Daten. Das gefährdet die Privatsphäre.
Supervised Learning nutzt gelabelte Daten. Das Modell kennt die richtigen Antworten. Es lernt Zusammenhänge. Es ist weit verbreitet.
Synthetic Data sind künstliche Daten. Sie ersetzen echte Daten. Sie schützen Privatsphäre. Sie werden für Training genutzt.
Threat Intelligence liefert Informationen über Bedrohungen. Sie hilft bei der Verteidigung. Sie unterstützt Sicherheitsstrategien.
Ein Token ist eine Texteinheit. Es kann ein Wort oder Teil sein. Modelle verarbeiten Tokens. Sie sind Grundlage für Texte.
Triple Extortion erweitert das Prinzip der Double Extortion um zusätzlichen Druck auf Kunden, Partner oder andere Beteiligte. Neben der Datenverschlüsselung und der Androhung einer Veröffentlichung kontaktieren Angreifer beispielsweise Geschäftspartner oder Kunden direkt. Dadurch steigt der wirtschaftliche und reputative Schaden für das betroffene Unternehmen erheblich. Diese Methode gilt als besonders aggressive Form moderner Cyber-Erpressung.
Ein Trojaner tarnt sich als legitime Software. Er öffnet Angreifern Zugang. Er ist eine Form von Malware.
TTPs beschreiben das Verhalten von Angreifern. Sie zeigen Methoden und Strategien. Sie sind wichtig für Analysen.
Transformer ist eine Modellarchitektur. Sie verarbeitet Daten effizient. Sie nutzt Aufmerksamkeit (Attention). Sie ist Basis moderner KI.
Transfer Learning nutzt vorhandenes Wissen. Ein Modell wird angepasst. Es spart Zeit und Daten. Es ist sehr effizient.
UEBA analysiert das Verhalten von Nutzern. Es erkennt ungewöhnliche Aktivitäten. Es nutzt oft KI-Technologien.
Unsupervised Learning nutzt keine Labels. Das Modell erkennt Muster selbst. Es wird für Clustering genutzt. Es entdeckt neue Strukturen.
Validierung prüft die Leistung. Sie nutzt separate Daten. Sie verhindert Fehler. Sie verbessert Modelle.
Ein VPN verschlüsselt die Internetverbindung. Es schützt Daten vor Zugriffen. Es ermöglicht sicheren Fernzugriff.
XAI erklärt KI-Entscheidungen. Sie macht Modelle transparent. Das erhöht Vertrauen. Sie ist besonders wichtig.
XDR erweitert die Bedrohungserkennung. Es kombiniert mehrere Sicherheitsquellen. Es verbessert die Reaktion auf Angriffe.
Zero-Day ist eine unbekannte Sicherheitslücke. Es gibt noch keinen Patch. Sie ist besonders gefährlich.
Zero Trust ist ein Sicherheitsmodell. Es vertraut keinem Zugriff automatisch. Jeder Zugriff wird überprüft.
Zero-Shot Learning löst neue Aufgaben. Ohne spezielles Training. Es nutzt vorhandenes Wissen. Es ist sehr flexibel.