DNS som språkmodell: AI-stöd för ökad reaktionsförmåga mot cyberhot

Syfte och mål

Projektets mål är att utveckla och pröva en AI-baserad språkmodell för DNS-data, samt möjliggöra federerad och integritetsskyddad träning och analys över organisationsgränser. Projektet tar fram en federationsarkitektur för säker delning av hotindikatorer och modellartefakter mellan flera instanser. Lösningen anpassas för både privat och offentlig sektor och syftar till att stärka förmågan att upptäcka och analysera cyberhot genom förbättrad och integritetssäker dataanalys.

Förväntade effekter och resultat

Med användning av maskininlärning och nya språkmodeller avser projektet att snabba upp reaktionsförmågan i DNSTAPIR-plattformen och därmed öka cyberresiliensen. Genom att anpassa plattformen till fler aktörer än internetoperatörer ökas basen för rapportering och inlärning av autonoma agenter. Projektet stärker svensk cyberresiliens genom att skapa bättre lägesbild, snabbare reaktionsförmåga och ökad förmåga att upptäcka nya hotmönster utan att kompromissa med integritet eller affärskänslig data.

Planerat upplägg och genomförande

Projektet genomförs genom att utveckla och träna en AI-baserad språkmodell för DNS-data. Modellen tränas kontinuerligt i en distribuerad miljö med strikt integritetsskydd. Den integreras i befintliga dataflöden och testas i en ny TAPIR Core-instans som tas fram för näringslivet. Resultaten utvärderas utifrån detektionsförmåga, precision, skalbarhet och integritet, sprids genom industrisamverkan och publiceras som öppen källkod inom ramen för existerande arbetet med DNS TAPIR plattformen.