Veilige adoptie van machine learning in cybersecurity applicaties

In de afgelopen jaren is het aantal en de complexiteit van beveiligingsbedreigingen toegenomen. State-of-the-art oplossingen voor beveiligingsanalyses zijn daarom in toenemende mate afhankelijk van machinale leermethoden om kwaadaardig gedrag en normaal gedrag in verschillende contexten te onderscheiden. Echter, met het gebruik van machine learning voor beveiligingsapplicaties in opkomst, nemen ook de aanvallen van cybercriminelen op deze methoden toe. Verder is er geen verzameling van aanbevolen werkwijze over hoe het aanvalsoppervlak van machine learning methoden kan worden verminderd. Dit doctoraatsproject zal de veilige acceptatie van machine learning-technieken onderzoeken en zal oplossingen, inclusief maar niet beperkt tot middleware, onderzoeken, ontwikkelen en evalueren voor verschillende cyberbeveiligingsapplicaties.