Dr Tomasz Piotrowski otrzymał grant badawczy na realizację zadania "Bezpieczne i rozproszone uczenie maszynowe (TRURL)" z Narodowego Centrum Badań i Rozwoju.
https://www.gov.pl/web/ncbr/eig-concert-japan-vii-konkurs
Numer projektu: EIG-CONCERT-JAPAN/04/2021
Kierownik projektu: Tomasz Piotrowski
Data rozpoczęcia projektu: 01-07-2021
Data zakończenia projektu: 31-03-2025
Projekt finansowany przez Narodowe Centrum Badań i Rozwoju w ramach programu EIG CONCERT-Japan 7th Joint Call
Sztuczna inteligencja (AI) jest coraz częściej rozważana w przypadku aplikacji obejmujących internet rzeczy, który opiera się na technologiach 4G, 5G i innych technologiach komunikacji bezprzewodowej. Konkretne zastosowania obejmują modelowanie środowiskowe (np. odtworzenie mapy zanieczyszczeń na podstawie danych dostarczonych przez czujniki zamontowane w publicznym transporcie), inteligentna produkcja / przemysł 4.0 i cyberbezpieczeństwo sieci (np. ochrona przed cyberatakami i próbami przechwytywania informacji przekazywanej w sieci), by przytoczyć kilka ważnych przykładów. W tych zastosowaniach AI, tradycyjne podejście do gromadzenia i przetwarzania wszystkich danych na serwerze centralnym jest niepożądane i nieefektywne z wielu powodów, w tym z następujących: (i) występuje pojedynczy punkt awarii (serwer centralny), (ii) serwer centralny ma dostęp do wszystkich prywatnych informacji o węzłach sieci, (iii) wszystkie węzły wysyłają dużą ilość danych oraz (iv) możliwości obliczeniowe urządzeń brzegowych są w dużym stopniu niewykorzystane. Ponadto, standardowe narzędzia zapewniają tylko estymaty lokalnego działania sieci, zatem nie są stanie dać gwarancji działania całego systemu. W tym kontekście, celem tego projektu jest rozwinięcie rozproszonych algorytmów sztucznej inteligencji, aby sprostać ograniczeniom istniejących podejść. W szczególności, opierając się na narzędziach nowoczesnej analizy wypukłej, sieci neuronowych, statystyki i komunikacji bezprzewodowej, zaproponowane zostaną algorytmy rozproszonej sztucznej inteligencji, które będą niehierarchiczne (brak pojedynczego punktu awarii), niezawodne (np. w razie utraty węzłów sieci, obniżona zostanie jakość działania, ale bez utraty działania systemu), odporne na cyberataki i próby przechwytywania transmisji sieciowej, oraz bezpieczne (tj. z dostępnymi przedziałami ufności dla jakości działania systemu oraz z danymi uczącymi pozostającymi na urządzeniach brzegowych). W tym celu, przyjęte zostanie podejście multidyscyplinarne, które uwzględni również specyfikę bezprzewodowych systemów nadajnik-odbiornik, co do tej pory nie było w centrum uwagi badaczy zajmujących się problemami w obrębie uczenia maszynowego i optymalizacji.