Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Planted Anomalies in Networks

Opis projektu

Wykrywanie ukrytych złośliwych struktur w sieciach złożonych

Platformy internetowe, systemy komunikacyjne i infrastruktura oparta na sztucznej inteligencji są narażone na działania ukrytych złośliwych podmiotów, które wtapiają się w normalną działalność. Obecne metody wykrywania nie uwzględniają złożonej, ustrukturyzowanej natury rzeczywistych sieci. Projekt PAiNe, wspierany przez program działania „Maria Skłodowska-Curie”, wykorzystuje rygorystyczne podejście matematyczne do opracowania realistycznych modeli sieci z osadzonymi anomaliami, określenia granic, w których takie anomalie można niezawodnie wykrywać, oraz zaprojektowania wydajnych algorytmów, które pozwolą na ich odzyskiwanie z potwierdzonymi gwarancjami. Następnie metody te zostaną przetestowane na danych symulowanych i rzeczywistych, a wszystkie wyniki i oprogramowanie zostaną udostępnione jako oprogramowanie typu open source w celu wsparcia zastosowań cyberbezpieczeństwa i ochrony systemów AI. Ostatecznie projekt ten zwiększy wiarygodność systemów AI.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSITA DEGLI STUDI DI PADOVA
Wkład UE netto
€ 193 643,28
Koszt całkowity
Brak danych