Opis projektu
Inteligentny, zautomatyzowany, dokładny i bezpieczny moduł wykrywania anomalii
Do 2025 roku liczba podłączonych urządzeń na całym świecie może osiągnąć prawie 75 miliardów. Ogromna ilość generowanych danych będzie wymagała wysoce wydajnego i bezpiecznego zarządzania tymi urządzeniami (kamerami, czujnikami, termostatami, routerami itp.). Finansowany przez UE projekt SmartAD ma stanowić wsparcie dla prac nad unikalnym, wbudowanym w system Linux narzędziem do automatyzacji, udostępniania i zabezpieczania. Jako projekt programu prowadzonego w zakresie innowacji dla sektora MŚP będzie on stanowić wsparcie dla norweskiej platformy QBee (qbee.io) w opracowaniu innowacyjnego rozwiązania – zautomatyzowanego, inteligentnego, dokładnego i bezpiecznego modułu wykrywania anomalii. Nawiązanie współpracy ze specjalistą w zakresie innowacji pomoże przenieść platformę QBee na wyższy stopień innowacyjności, do czego niezbędne są najwyższe umiejętności w dziedzinie sztucznej inteligencji / uczenia maszynowego i analizy danych.
Cel
IoT has taken the world by storm and in 2025 there will be ~75Bn connected devices, creating an amount of data never generated before. This comes with a new set of challenges, which need to be addressed with regards to IoT device management, especially in industrial settings. Currently, there are limited tools for embedded Linux IoT device management (e.g. cameras, sensors, thermostats, routers, etc), which are not able to effectively manage the devices and keep the IoT infrastructure secure.
QBee offers the qbee.io platform, a unique embedded Linux automation, provisioning and security tool enabling a highly efficient IoT device management with high security focus for the overall IoT infrastructure. With the SmartAD project, QBee targets the development of an innovative module to the platform, namely an automated smart, accurate and secure anomaly detection module, which was identified as top priority to disrupt the IoT devices management tools. Intelligent algorithms can be used for detection of malfunctioning/suspicious behavior using advanced anomaly detection, fingerprinting and the awareness of configuration changes that the device should adhere to. To achieve this, time series data as well as file and configuration changes needs to be analyzed.
Although, QBee has a strong team in the area of full-stack development, system administration, embedded devices (Linux), automation and cloud software scaling, which allowed to bring the product to a beta-version, it is also very small, and currently QBee does not have in-house skills for the next innovation stage, where forefront Artificial Intelligence/Machine Learning and data analytics skills are demanded. The SME Innovation Associate Programme fits the QBee plan on boosting R&D activities and the recruitment of an Innovation Associate will be critical to develop this module which will make qbee.io platform unique in terms of detection & prevention of cyberattacks on industrial IoT infrastructures.
Dziedzina nauki
- natural sciencescomputer and information sciencesinternetinternet of things
- natural sciencescomputer and information sciencessoftware
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringsensorsoptical sensors
- social sciencessociologyindustrial relationsautomation
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-INNOSUP-2020-02
System finansowania
CSA-LSP - Coordination and support action Lump sumKoordynator
1414 TROLLASEN
Norwegia
Organizacja określiła się jako MŚP (firma z sektora małych i średnich przedsiębiorstw) w czasie podpisania umowy o grant.