Hoppa till innehåll
EN In english

CLAS: Cybersäkra lärande reglersystem

Diarienummer
RIT17-0046
Projektledare
Proutiere, Alexandre
Start- och slutdatum
180301-240229
Beviljat belopp
33 000 000 kr
Förvaltande organisation
KTH - Royal Institute of Technology
Forskningsområde
Informations-, kommunikations- och systemteknik

Summary

Utvecklingen inom ICT har lett till en dramatisk ökning av antalet installerade komponenter med förmåga att kommunicera med och reglera sin omgivning. Komponenterna är ofta kopplade mot globala beräkningsinfrastrukturer vilket möjliggör en mängd nya applikationer. Samtidigt förlitar sig dessa tekniker på öppna system- och nätverkslösningar vilka har många potentiella sårbarheter. I CLAS fokuserar vi på att analysera och utveckla cybersäkerhet för fysiska infrastrukturer som styrs och övervakas med hjälp av maskininlärande algoritmer. Maskininlärning har genomgått en dramatisk utveckling och integreras i realtidslösningar för storskaliga infrastrukturer. Samtidigt kan maskininlärande algoritmer vara känsliga för små men illasinnade störningar av data. Till dags dato finns inga systematiska metoder för att utveckla robusta maskininlärningsalgoritmer för återkopplade system, och just detta utgör det huvudsakliga vetenskapliga målet med CLAS. Projektet består av sex arbetspaket som täcker in hotmodeller, robust lärande, resilient reglering, riskallokering, incidentanalys och demonstration. Som demonstrator kommer CLAS använda KTH Live-In Lab, som innefattar 200 lägenheter, som en modell för en framtida smart stad. I CLAS samverkar fem kompletterande forskargrupper på KTH. Grupperna var för sig är ledande inom sina respektive områden och tillsammans har de en unik möjlighet för genombrott i forskning som leder till framtida cybersäkra regler- och lärandesystem.

Populärvetenskaplig beskrivning

Vårt samhälle och dess kritiska infrastrukturer är allt mer beroende av komplexa IT-system bestående av komponenter med förmåga att kommunicera med och reglera sin omgivning. Komponenterna är ofta kopplade mot globala kommunikations- och beräkningsinfrastrukturer vilket kommer låta dem samla in och lära sig av stora mängder data i realtid. En teknik som möjliggör detta är maskininlärning som genomgått en dramatisk utveckling och numera kan lösa många uppgifter lika bra, eller bättre, än en mänsklig operatör. Vi kan förvänta oss att maskininlärande algoritmer kommer att integreras i regler- och övervakningssystem för smarta elnät, intelligenta transportsystem, processregleringssystem och framtidens smarta städer. Maskininlärning kommer då att samverka med traditionella återkopplade reglersystem för att tolka mätsignaler, för att identifiera och trimma modeller och för att utveckla nya styrlagar. Dessa nya tekniker har stor potential att uppfylla högt ställda miljömål och förväntningar på effektivitet i framtidens smarta infrastrukturer. Samtidigt kommer dessa nya komplexa system utgöra väldigt lockande mål för cyberattacker. Särskilt illavarslande är att ett antal maskininlärande algoritmer har visat sig vara extremt känsliga mot små och illvilliga störningar av data. Det är därför helt avgörande att vi är proaktiva och redan nu i utvecklingsfasen identifierar och motverkar oacceptabla risker. Det övergripande målet i CLAS är att studera och utveckla nya metoder för cybersäkerhet i storskaliga reglersystem som stöds av maskininlärande algoritmer. Särskilt kommer vi att identifiera sårbarheter och hur de beror på en angripares resurser. Baserat på dessa resultat kommer vi utveckla nya försvarsmekanismer för att hindra och begränsa inverkan av cyberangrepp i realtid, men även metoder för att efter inträffade säkerhetsincidenter identifiera tidigare okända attackvektorer. Dessa kan då användas för att träna lärandealgoritmer och anomalidetektorer att reagera på framtida liknande angrepp. I CLAS samverkar fem kompletterande forskargrupper för att skapa en världsledande miljö som tar sig an ovan nämnda säkerhetsutmaningar i framtidens infrastrukturer. Grupperna var för sig är ledande inom sina respektive områden och tillsammans har de en unik möjlighet för genombrott i detta nya område. För att demonstrera sina resultat kommer CLAS använda testbädden Live-in Lab som utgör ett bra exempel på hur framtidens smarta städer kommer att regleras och övervakas.