Erweiterte CodeMeter-Technologie: Schutz und Lizenzierung für Anwendungen mit KI und Machine Learning

Bild: Wibu-Systems AG

Wibu-Systems hat sein Portfolio erweitert, sodass Hersteller ihre Python-Anwendungen einfach und flexibel plattformunabhängig mit CodeMeter schützen können. Die Programmiersprache Python zeichnet sich aus durch Einfachheit, Klarheit und dem eleganten Programmcode, besonders in den Bereichen künstliche Intelligenz und Machine Learning.

Die wachsende Beliebtheit von Python weckt ebenfalls das Interesse von Angreifern. Hacker können leicht auf das geistige Eigentum der in Python geschriebenen Software zugreifen, da die Software in der Regel völlig ungeschützt im Klartext ausgeliefert wird und somit einfach analysiert werden kann. Selbst wenn sie mit Tools wie Cython in Maschinencode vorkompiliert wurde, ist eine Analyse für erfahrene Hacker möglich. Bei dieser Vorkompilierung wird der plattformunabhängige Python-Code in eine plattformabhängige, native Anwendung transformiert.

Jetzt wurde CodeMeter so erweitert, um Python-Anwendungen direkt plattformunabhängig verschlüsseln und schützen zu können. Zusätzlich bleiben einzelnen Funktionsbereiche der geschützten Anwendung so lange verschlüsselt, bis sie benötigt werden. Das Ausspähen des Speichers des Rechners durch sogenannte Memory-Dumps wurde damit noch weiter erschwert. Wie gewohnt können die Hersteller die vorhandenen, sicheren CodeMeter-Funktionen nutzen, z.B. die flexiblen Lizenzierungsmodelle wie Einzelplatz, Floating Netzwerk und Abonnements. Einzelne Programmteile können separat verschlüsselt und lizenziert werden, sodass die Hersteller das beliebte Geschäftsmodell Feature-on-Demand oder modulare Lizenzierung einfach umsetzen können. Die Integration in bestehende Continuous-Integration-Systeme ist durch die Automatisierungsfunktion flexibel möglich.

Python führte lange Zeit bei Softwareentwicklern ein Schattendasein, da hauptsächlich in C und Java programmiert wurde. Das hat sich jetzt geändert. Python hat, was das Beliebtheitsranking des TIOBE-Index zeigt, nicht nur andere, neue, sondern auch die beiden genannten Programmiersprachen überholt. Zu den Gründen dafür zählen: gleichbleibende Einfachheit über die letzten Jahre sowie vorhandene Ressourcen für die aktuell dynamischen Bereiche der Softwareentwicklung Künstliche Intelligenz und Machine-Learning.

Intelligente Geräte sind im digitalen Zeitalter mittlerweile allgegenwärtig und werden oft im Hintergrund durch Künstliche Intelligenz unterstützt. Zu den inzwischen gängigen Aufgaben gehören Bild- und Spracherkennung, die heute in Smartphones oder digitalen Assistenten im Haushalt integriert sind, oder herausfordernde Technologien, wie die Mustererkennung, Vorhersagen oder assoziatives Lernen, das bei komplexen Vorgängen wie Wettervorhersage, algorithmischem Handel und medizinischer Diagnostik zum Einsatz kommt. Was die Gemeinsamkeit all dieser Beispiele ist: Sie basieren auf Python-Bibliotheken.

Thematik: Technologie
Wibu-Systems AG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige