Projekt · Dnr 2026-00976 · Källa: Vinnova
Adversarial riskmodellering och optimering för resilient DISAC i 6G
- Koordinator
- Chalmers Tekniska Högskola AB, Chalmers Tekniska Högskola Inst f Elektroteknik
- Projekttid
- 2026-03-31 till 2027-08-30 (beslutat)
- Beviljat bidrag
- 2 157 000 SEK
- Diarienummer
- 2026-00976
Beskrivning
Projektets syfte är att utveckla modeller och optimeringsmetoder för att hantera adversariella hot i distribuerade ISAC-system (DISAC) i 6G. Målet är att möjliggöra robusta, säkra och integritetsbevarande lösningar som bibehåller hög prestanda i närvaro av attacker och osäkerheter. Projektet förväntas leverera nya attackmodeller, lätta skyddsmekanismer och optimerade vågformer för robust DISAC. Effekten blir ökad tillförlitlighet, säkerhet och integritet i 6G-system, samt bättre balans mellan sensing, kommunikation och resursanvändning i dynamiska miljöer.
Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.
Liknande
-
LEAKPRO II: Operativ integritetsriskhantering för AI-system
Lindholmen Science Park AB · 2025-11-10 · 13 787 510 SEK · Projekt
LeakPro är ett ramverk med öppen källkod som utvärderar hur AI-modeller, syntetiska data och federated learning-modeller kan läcka känslig information genom avancerade integritetsattacker. Projektet bygger vidare på detta genom att utöka attackmetoder, lägga till verktyg för skadebedömning och stärk…
-
Operativ Teknik för Tillförlitlig interOperabilitet, (OTTO)
RISE RESEARCH INSTITUTES OF SWEDEN AB · 2026-04-15 · 11 820 000 SEK · Projekt
OTTO syftar till att lösa hindret att industriella OT‑system inte kan integreras säkert, robust och långsiktigt hållbart i moderna digitala infrastrukturer. Detta görs genom att utveckla och testa ett tillämpningsnära helhetsgrepp för en resilient digital infrastruktur i OT‑miljöer för att Målet är …
-
UNIFY-AI: Integrering av AI-system med MLOps och Time-Series Foundation-modeller för skalbar industriell intelligens
Högskolan i Halmstad · 2026-05-25 · 4 735 000 SEK · Projekt
UNIFY-AI syftar till att utveckla en grundmodell för tidsserier med stöd av robust MLOps. Projektet adresserar en central begränsning i dagens fordonsanalys: de flesta AI/ML-lösningar byggs som isolerade, uppgiftsspecifika modeller, vilket leder till upprepad databearbetning och dubblerat utveckling…
-
Kollaborativ säker Bayesiansk optimering
Ericsson AB · 2025-01-20 · 100 000 SEK · Projekt
Projektet har nått sitt planerade mål genom att utveckla Collaborative Safe Bayesian Optimization (CoSBO), som förbättrar säker optimering inom multiagentsystem för telekommunikation. Projektet ledde till den första tillämpningen av säker Bayesiansk optimering för parameterinställning av mobilnät oc…
-
Towards Resilient 6G Networks - A Swedish-Finnish Joint Undertaking − FiSRE
Kungliga Tekniska högskolan · 2026-04-20 · 21 234 331 SEK · Projekt
Projektet syftar till att etablera motståndskraft som ett grundläggande designparadigm för framtida 6G-mobilnätverk och att demonstrera praktiska lösningar som gör det möjligt för 6G-nätverk att motstå, absorbera, återhämta sig, anpassa sig och lära av negativa händelser. Projektet kommer att utfors…