AI中国网 https://www.cnaiplus.com
C3.ai数字化转型研究所(C3.ai DTI)今天公布了第三轮由C3.ai DTI资助的高级研究奖项，重点表彰利用人工智能(AI)来加强信息安全和保护关键基础设施的项目。
该研究所向多位知名研究专家颁发了总计650万美元的现金奖励，他们分别来自加州大学伯克利分校、伊利诺伊大学厄巴纳-香槟分校、卡内基梅隆大学、普林斯顿大学、芝加哥大学、瑞典皇家理工学院和麻省理工学院。
C3 AI是一家领先的企业人工智能软件提供商。公司董事长兼首席执行官Thomas M. Siebel表示：“网络安全是一个直接关乎生存的问题。我们正在为顶尖科学家提供推进技术发展的方法，以帮助保护关键基础设施。”
24个项目分别获得10万至70万美元不等的奖金，初始期限为一年：
AI抵御力：开发能够抵御对抗性攻击的AI 算法的技术和方法
- “用于关键基础设施网络安全任务的高性能、高可靠的AI方法”（Zico Kolter，卡内基梅隆大学）
- “面对对手时可扩展且安全的机器学习”（John Kubiatowicz，加州大学伯克利分校）
- “REFL：弹性分布式网络安全学习系统”（Bo Li，伊利诺伊大学厄巴纳-香槟分校）
- “监督式机器学习算法稳健性的基本限制”（Ben Zhao，芝加哥大学）
异常检测：包括有监督和无监督学习的AI技术，以提供系统和/或网络异常的早期检测，这些异常可能预示着未经授权的访问、拒绝服务或数据泄露
- “持续自动发现和修复互联网面临的安全漏洞”（Nick Feamster，芝加哥大学）
- “网络攻击背景下的电力系统AI技术”（Javad Lavaei，加州大学伯克利分校）
- “变电站自动化系统中基于物理感知的 AI网络入侵检测方法”（Alberto Sangiovanni-Vincentelli，加州大学伯克利分校）
高级持续性威胁：检测是否存在高级持续性威胁的AI技术
- “面向混合自主流量中高级持续性攻击的深度学习检测算法：设计和实验验证”（Alex Bayen，加州大学伯克利分校）
- “AI对网络安全的支持”（David Wagner，加州大学伯克利分校）
保护关键网络物理基础设施：保护关键基础设施免受网络威胁的AI技术
- “面向内部网络的网络安全笼”（Cyrille Valentin Artho，瑞典皇家理工学院）
- “利用概率编程实现大规模基础设施的安全性”（Nikita Borisov，伊利诺伊大学厄巴纳-香槟分校）
- “用于保护关键网络基础设施的组合式神经证书框架”（Chuchu Fan，麻省理工学院）
- “针对关键能源基础设施普及AI驱动的安全工作流程”（Vyas Sekar，卡内基梅隆大学）
- “安全关键基础设施的语义对抗性分析”（Sanjit Seshia，加州大学伯克利分校）
取证：识别攻击源的AI取证和归因技术
- “网络物理系统中实时攻击识别的因果推理”（György Dán，瑞典皇家理工学院）
- “用于识别攻击源的统计学习理论和图神经网络”（H. Vincent Poor，普林斯顿大学）
- “深度神经网络的稳健性及可扩展性取证”（Ben Zhao，芝加哥大学）
保护新兴金融基础设施：利用AI技术识别对新兴去中心化金融和商业基础设施进行的攻击
- “在去中心化金融领域提高安全性的智能平台”（Dawn Song，加州大学伯克利分校）
- “区块链取证”（Pramod Viswanath，伊利诺伊大学厄巴纳-香槟分校）
漏洞识别：利用AI技术识别以前未知的恶意软件、勒索软件和零日(zero-day)漏洞，从而实现隔离和抵消
- “生成式对抗网络(GAN)辅助的自动测试用例生成”（Giulia Fanti，卡内基梅隆大学）
- “用于JavaScript 漏洞检测的机器学习”（Corina Pasareanu，卡内基梅隆大学）
内部威胁：防止无辜的或不怀好意的内部人员成为攻击武器的变更管理技术
- “保护关键基础设施免受不断演变的内部威胁”（Carl Gunter，伊利诺伊大学厄巴纳-香槟分校）
- “自适应内部威胁的全方位罕见事件建模”（Jingrui He，伊利诺伊大学厄巴纳-香槟分校）
- “利用AI技术推动网络卫生”（Cedric Langbort，伊利诺伊大学厄巴纳-香槟分校）
奖励标准
C3.ai数字化转型研究所选择能够激发合作研究并推动机器学习和其他人工智能子学科发展的研究提案。项目已通过以下方面的同行评审：科学价值；主要研究者和共同主要研究者的先前成就；人工智能、机器学习、数据分析和云计算在研究项目中的使用；以及大规模测试这些方法的适用性。
AI中国网 https://www.cnaiplus.com
本文网址：
