Untersuchung des Potentials von Netzwerkverkehrsanalysemethoden zur automatischen Inventarisierung von Systemen in Krankenhäusern

Die Masterarbeit untersucht, inwieweit eine passive paketbasierte Netzwerkverkehrsanalyse zur automatischen Klassifikation von Geräten in medizinischen IT-Infrastrukturen eingesetzt werden kann. Ziel ist die Unterstützung eines automatisierten Netzwerkinventars, das insbesondere im Krankenhausumfeld eine zentrale Rolle für IT-Sicherheit und Systemübersicht spielt.

Ausgangslage: Trotz der hohen Bedeutung aktueller Netzwerkinventare mangelt es an öffentlich verfügbarer Forschung zur automatisierten Geräteerkennung im Gesundheitswesen. In der Arbeit wird daher ein Proof of Concept zur Geräteklassifikation in medizinischen Netzwerken durch Reproduktion einer bestehenden Forschungsarbeit implementiert und evaluiert.

Datengrundlage:

• zwei öffentliche DI-Datensätze IoTSentinel und UNSW-IoTDevID
• ein medizinischer IoMT-Datensatz CICIoMT2024
• ein neu erstellter HeliosLabor2025-Datensatz aus realem Labornetzwerkverkehr der Helios-Kliniken-Gruppe

Methodik: Auf Basis passiv aufgezeichneter Netzwerkpakete werden paketbasierte Merkmale extrahiert und mit überwachten Lernverfahren klassifiziert. Hierzu werden verschiedene Entscheidungsbaum- und Random-Forest-Modelle trainiert und anhand üblicher Metriken wie dem Macro-F1-Score evaluiert. Aufgrund unausgeglichener Datensätze erfolgt die Bewertung über aggregierte Vorhersagen. Bei der Evaluation muss das durch geräteweises Splitting verursachte Data Leakage beachtet werden. Ein Klassifikations-Ansatz aus [1] wird zur Analyse reproduziert.

Ergebnisse:

• Reproduktion von [1] liefert vergleichbare Ergebnisse zum UNSW-IoTDevID-Datensatz.
• CICIoMT2024 zeigt trotz zusätzlicher simulierter Geräte eine akzeptable Klassifikationsleistung.
• HeliosLabor2025 liefert vielversprechende Resultate im Realbetrieb.
• Einige schwer erkennbare Gerätetypen konnten identifiziert werden.

Fazit: Die Arbeit zeigt, dass verhaltensbasierte Geräteklassifikationsmethoden aus IoT-Netzwerken erfolgreich auf medizinische IT-Infrastrukturen übertragbar sind. Eine automatische Unterstützung bei der Inventarisierung von Krankenhausnetzwerken erscheint damit plausibel.

Kolloquium: 19.02.2026

Betreuer: Prof. Dr. Michael Pilgermann, Dipl.-Inform. Ingo Boersch

Download: A1-Poster

Lizenz: Creative Commons CC BY-NC-SA 4.0 - Namensnennung – Nicht kommerziell – Weitergabe unter gleichen Bedingungen 4.0 International