Ein Buch will systematisch in die Suche nach Sicherheitslücken einführen, das zweite legt den Grundstein für das Arbeiten mit dem KI-Framework Keras.

“Hacken für Dummies” beginnt mit einer allgemeinen Einführung: Wer ist ein Hacker? Was ist seine Motivation? Solche Fragen tangieren auch ethische und moralische Probleme, und hier scheint zumindest zwischen den Zeilen eine persönliche Sichtweise des Autors deutlich hervor, die man mindestens hinterfragen kann. So postuliert er, Vertrauenswürdigkeit laute der oberste Grundsatz, und sagt das auch mit Blick auf Edward Snowden, dem er vorwirft, seinen Arbeitgeber hintergangen und die Schweigepflicht gebrochen zu haben.

Noch recht allgemein gehaltene Kapitel über Planung und Methodik von Angriffen leiten über zu Teil II, in dem es um konkrete Tests auf Schwachstellen gehen soll. Das beginnt mit der Beschaffung von Firmen- und Personendaten und dem Social Engineering. Das hiesige Publikum profitiert nur in beschränktem Maß von den Tipps des Autors, etwa wenn er für die Recherche eine Suchmaschine empfiehlt, die sich ausschließlich auf die USA spezialisiert hat. Auch gibt Whois seit Inkrafttreten der DSGVO lange nicht mehr so freizügig Auskunft, wie es das Buch beschreibt.

Ein weiteres Kapitel beschäftigt sich mit Passwörtern. Es postuliert mehrfach, jedes Passwort sei mit ausreichender Zeit zu knacken. Das ist theoretisch richtig, aber praktisch ohne Belang, weil niemand lange genug rechnen kann, um zum Beispiel alle 6216 Variationen zu prüfen, mit denen sich 16-stellige Passwörter aus Klein- und Großbuchstaben sowie Ziffern bilden lassen.

Wer bei Buchteil III, “Netzwerkhosts hacken”, angekommen ist, hofft, nun würde es endlich konkreter, sieht sich abermals enttäuscht. Es gibt reichlich Ratschläge der Preisklasse “Auf die Konfiguration achten”, aber was das praktisch heißt, erhellt sich nicht. Der am Ende durchexerzierte einfache Angriff wird den realen Gefahren kaum gerecht.

Das trifft auch für den Rest des Buches zu. Alles in allem liegt hier ein Werk vor, das einen Überblick über Sicherheitsrisiken vermittelt, die es zwar systematisch, aber oft nicht sehr tiefgehend abhandelt. Der Leser erfährt mehr Allgemeines als Konkretes darüber, was echte Hacker oder Penetrationstester tun.

KI für alle

Als Beitrag zur Demokratisierung der KI beschreibt der Autor des zweiten Buches und zugleich des Deep-Learning-Framework Keras, Francois Chollet, seinen Versuch, eine verständliche und praxisnahe Einführung in dieses Teilgebiet des maschinellen Lernens zu geben.

In erster Linie spricht der Google-Mitarbeiter die Forscher in vielen Wissenschaftszweigen und Software-Entwickler an, die außerdem Unix- oder Linux-Kenntnisse brauchen sowie Grundwissen in der Statistiksprache R mitbringen sollten, um die Codebeispiele nachvollziehen zu können. Die Software selbst ist Open Source und kostenlos, aber der verwendete Rechner sollte über eine neuere Nvidia-GPU verfügen. Alternativ lässt sich eine entsprechend ausgestattete VM auch in einer Cloud mieten.

Das Buch beginnt mit einer gut verständlichen und sehr lesenswerten Einführung in die Welt der KI und die Mechanismen maschinellen Lernens, die auch ältere Methoden jenseits der neuronalen Netze streift, etwa Support-Vector-Maschinen oder Entscheidungsbäume. Der Autor warnt vor Parallelen zur Neurobiologie und übersteigerten kurzfristigen Erwartungen, sieht die KI aber langfristig als Basistechnik, die sich auf nahezu allen Gebieten durchsetzen werde.

Es schließt sich eine Erörterung grundlegender mathematischer Konzepte an, die beim Deep Learning eine Rolle spielen, etwa Tensoroperationen oder das Gradienten-Abstiegsverfahren. Hier können Grundkenntnisse des Rechnens mit Matrizen und der Differentialrechnung nicht schaden. Das Kapitel bietet auch eine Keras-Installationsanleitung und erste Schritte mit dem Framework.

Ein zweiter Buchteil diskutiert dann ausführlich praktische Anwendungsbeispiele auf Gebieten wie Bildklassifikation, Spracherkennung oder Textverarbeitung, von der Aufbereitung der Daten über das Trainieren der Modelle bis zur Feinabstimmung. Die Erläuterungen sind reichlich mit Grafiken und Codebeispielen illustriert.

Alles in allem eine sehr empfehlenswerte, gründliche und dabei stets nachvollziehbare Einführung in das Deep Learning mit Keras und R.