Kontrollplaner för högintegritets-AI inom den svenska datacenterindustrin
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - KTH Skolan för elektroteknik och datavetenskap, avdelningen för teoretisk datalogi |
| Bidrag från Vinnova | 9 200 000 kronor |
| Projektets löptid | juli 2026 - juni 2029 |
| Status | Pågående |
| Utlysning | Avancerad digitalisering - Industriell behovsdriven innovation |
| Ansökningsomgång | Delad, hållbar och säker AI-infrastruktur genom avancerad digitalisering |
Syfte och mål
Projektet ska göra delade svenska datacenter säkrare för AI. Målet är att utveckla och pröva teknik som gör att operatörer och kunder kan verifiera AI-komponenters ursprung, konfiguration och beteende under drift. Resultatet blir ett referensramverk för integritet i AI-kontrollplan, från formell modellering och kryptografisk spårbarhet till hårdvarubaserad attestering och verkställbara kontroller.
Förväntade effekter och resultat
Projektet levererar ett ramverk och en hotklassificering, prototypverktyg med öppen källkod för verifierbar artefaktspårbarhet, samt en referensarkitektur för integritetskontroll i drift. Lösningarna valideras hos CanaryBit och Bahnhof. Riktlinjer, publikationer och kunskapsöverföring stärker svenska datacenter och möjliggör effektivare delning av hårdvara med lägre energianvändning.
Planerat upplägg och genomförande
Under 36 månader samordnar KTH forskningen i fem arbetspaket. Först modelleras integritetskrav och hot. Därefter utvecklas prototyper för kryptografisk bindning av AI-artefakter och en kontrollplansarkitektur med TEE-baserad attestering och driftskontroller. CanaryBit bidrar med konfidentiell databehandling, Bahnhof med representativa driftmiljöer. Mekanismerna valideras industriellt och dokumenteras som öppen källkod och riktlinjer.