Förstärkt AI-säkerhet med Federerad inlärning och avancerade honeypots

Syfte och mål

Detta projekt syftar till att utveckla en ny ram för AI-säkerhet i decentraliserade inlärningsmiljöer genom att integrera honeypots i federerade inlärningsnätverk. Detta kommer att vara en startpunkt för att förstå och identifiera ännu okända hot samt skapa motståndskraftiga AI-lösningar för svenska organisationer.

Förväntade effekter och resultat

1. Ett säkerhetsramverk som integrerar adaptiva Honeypots i federerade inlärningsnätverk. 2. En analys och uppsättning metoder för att bedöma effektiviteten och livslängden hos Honeypots´ vilseledande förmåga inom decentraliserade inlärningsnätverk. 3. Utformningen av adaptiva Honeypots för användning i det säkerhetsramverk som beskrivs ovan.

Planerat upplägg och genomförande

Projektet genomförs i 4 arbetspaket (AP). AP1 består av projektledning och projektråd av seniora ledare från de projektparter som ingår. AP2: Tar fram ramverket där adaptiva Honeypots ska ingå som en huvudkomponent AP3: Utvecklar adaptiva Honeypots AP4: Arbetar med AI Swedens partners för att säkerställa att dessa ges möjlighet att följa projektet och ta del av resultaten.