Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Applying Machine Learning to Cyber Risk Analysis and Mitigation

Description du projet

Prendre en compte la cybersécurité pour les voitures autonomes

L’essor de la connectivité et des technologies d’automatisation crée de plus en plus d’opportunités dans de nombreux domaines. Les véhicules connectés et autonomes (VCA) constituent un domaine sur lequel ces avancées technologiques ont un impact significatif. Si l’innovation bouscule les normes des entreprises et encourage les investissements, elle est également source d’exposition à des attaques en matière de cybersécurité. Le projet MALAGA, financé par l’UE, utilisera la technologie de l’apprentissage machine (AM) afin d’étudier les risques liés à la cybersécurité et de trouver des moyens de réduire ces risques dans le secteur des VCA. Avec l’AM, le projet permettra de prévoir les risques et d’établir la tarification des polices d’assurance, ouvrant ainsi la voie à l’innovation et à l’activité entrepreneuriale en Europe.

Objectif

Increasing connectivity and automation presents many opportunities and challenges for society. Emerging technology can benefit all citizens with better communication, increased environmental sustainability, autonomous transport, safer roads,, the list is almost inexhaustible. These emerging technologies will disrupt existing business models including underwriting and risk transfer. This disruption can stifle venture capital, innovation and risk taking in key emerging technologies and can inhibit regulatory development and societal acceptance.

My research will examine Connected and Autonomous Vehicles (CAV) cybersecurity risks and mitigation using Machine Learning (ML) techniques to predict future risks, price insurance policies and and thereby foster innovation and entrepreneurial activity in Europe. My research will go beyond the SoA and implement models in ML like ensemble models and deep learning to forecast the risks of CAV technology. A network model of interactions will be trained and evaluated to study cascading of risks and threats in the CAV environment.

My host team at the University of Limerick have members with machine learning skills, actuarial skills, ethical skills and underwriting experience. I will have access to staff development programmes, training courses, workshops, online courses and internal meetings. My host team are directly connected to a large variety of colleagues in other EU locations in both academic and industry positions. I will work with my host and partners to develop my research and increase my skillsets.

My research directly contributes to several UN sustainable development goals. On a personal level, the impact of my fellowship and collaborations will expand my set of skills, both research-related and transferable ones, leading to greatly improved career prospects both in and outside academia. My new abilities will include enhanced machine learning capabilities, cyber risk expertise and risk engineering skills.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) H2020-MSCA-IF-2018

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITY OF LIMERICK
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 196 590,72
Adresse
NATIONAL TECHNOLOGICAL PARK, PLASSEY
- Limerick
Irlande

Voir sur la carte

Région
Ireland Southern Mid-West
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 196 590,72
Mon livret 0 0