Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Planted Anomalies in Networks

Descrizione del progetto

Individuare le strutture dannose nascoste nelle reti complesse

Le piattaforme online, i sistemi di comunicazione e le infrastrutture basate sull’intelligenza artificiale sono vulnerabili ad attori malintenzionati nascosti che si mimetizzano tra le normali attività. Gli attuali metodi di rilevamento non tengono conto della natura complessa e strutturata delle reti reali. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto PAiNe sta utilizzando un approccio matematico rigoroso per sviluppare modelli di rete realistici che includano anomalie, individuare i limiti entro i quali tali anomalie possono essere rilevate in modo affidabile e progettare algoritmi efficienti in grado di individuarle con garanzie comprovate. Tali metodi saranno quindi testati su dati simulati e reali; tutti i risultati e il software saranno resi disponibili come open source a supporto delle applicazioni nel campo della cibersicurezza e della protezione dei sistemi di intelligenza artificiale. In definitiva, il progetto mira a migliorare l’affidabilità dei sistemi di intelligenza artificiale.

Obiettivo

In today’s hyper-connected world, detecting malicious actors embedded in complex systems is a critical challenge with direct implications for cybersecurity, information integrity, and the safe deployment of AI technologies. This project will examine the problem from a mathematical perspective, focusing on random graphs with planted anomalies: small sets of nodes whose connectivity differs from that of the rest of the network. Many existing methods employ heuristics without formal guarantees of their performance, or they often overlook key aspects of real networks, such as inhomogeneity, spatial structure, or higher-order connections.

The project will develop along four specific goals:
(1) Build models of planted anomalies in networks that include realistic features;
(2) Find the thresholds between recovery achievability and impossibility;
(3) Design algorithms that guarantee planted anomalies recovery in polynomial time;
(4) Test these methods on both synthetic data and real network datasets.

My research will provide a clearer understanding of the limitations of anomaly detection and offer practical tools that others can utilize. All results will be shared, and the implementation will be collected in an open-source software. These outcomes are relevant for detecting cyber attacks, tracking disinformation, and protecting AI systems from hidden manipulation. The project supports European goals in cybersecurity, digital resilience, and trustworthy AI by developing reliable detection methods.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITA DEGLI STUDI DI PADOVA
Contributo netto dell'UE
€ 193 643,28
Indirizzo
VIA 8 FEBBRAIO 2
35122 Padova
Italia
Regione
Nord-Est Veneto Padova
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato