Robust IoT Security: Intrusion Detection Leveraging Contributions from Multiple Systems
| Diarienummer | |
| Koordinator | Uppsala universitet - Uppsala universitet Inst f informationsteknologi |
| Bidrag från Vinnova | 4 613 434 kronor |
| Projektets löptid | november 2023 - augusti 2026 |
| Status | Avslutat |
| Utlysning | Avancerad digitalisering - Möjliggörande tekniker |
| Ansökningsomgång | Cybersäkerhet för industriell avancerad digitalisering 2023 |
Viktiga resultat som projektet gav
Projektet har utvecklat ny kunskap om robust intrångsdetektion för IoT genom federerat och kontinuerligt lärande. Resultaten visar hur kunskap om attacker kan delas mellan heterogena system och hur detektionsmodeller kan anpassas till nya hot samtidigt som tidigare kunskap bevaras. Projektet har även genererat nya dataset och byggt kompetens som bidrar till fortsatt forskning och utveckling av decentraliserade AI-lösningar för cybersäkerhet.
Långsiktiga effekter som förväntas
På längre sikt förväntas resultaten bidra till robustare cybersäkerhet för IoT genom att möjliggöra lärande från distribuerade och föränderliga data utan att känsliga rådata behöver delas. Projektets kunskap och kompetens kan stödja utvecklingen av decentraliserade AI-lösningar för civila och försvarsrelaterade tillämpningar. Projektet stärker även kompetensförsörjning och fortsatt forskning inom cybersäkerhet i Sverige.
Upplägg och genomförande
Projektet genomfördes i nära samarbete mellan Uppsala universitet och Scaleout Systems och kombinerade forskning, experimentell utvärdering och teknikutveckling. Arbetet bedrevs inom tre sammanhängande spår: kunskapsdelning, modellrobusthet och federerat lärande. Kandidat- och masterarbeten integrerades i projektet. Samarbetet fungerade väl och forskningsfrågorna utvecklades successivt utifrån nya resultat, samtidigt som projektet i huvudsak följde det planerade upplägget.