Intelligent forsvarsværk mod hackere 

Data flyder normalt sikkert gennem netværk, men cyberangreb kan subtilt forstyrre dette—ofte uden at blive opdaget. Traditionelle NIDS baseret på syntetiske data kan overse sådanne trusler. Dette projekt kombinerer maskinlæring med logik og differentiable logikker trænet på reelle data for at skabe overvågningssystemer med digital intuition, der kan opdage selv velkamuflerede angreb.

Threshold Key Management in the Post-Quantum Era: Kvantesikker kryptografi 

I kvanteæraen vil computere kunne løse matematiske problemer langt mere effektivt, hvilket gør post-kvantekryptografi (PQC) til en presserende nødvendighed. Udfordringen er at gøre PQC-teknikker lige så praktiske og problemfrie som nutidens kryptografiske systemer. Dette projekt tager fat på den udfordring ved at tilpasse tærskelbaseret nøglehåndtering – hvor kryptografiske nøgler deles mellem flere parter – til at modstå den kvantebaserede fremtid.

Privacy in the realm of multilingual programs: Sikkerhed i hybridapps 

Dette projekt vil udvikle et analyseværktøj, så udviklere kan finde og lukke sårbarheder i moderne hybridapps. Projektet undersøger, hvordan statisk analyse af kode kan kobles med dynamisk analyse for at kunne opdage følsomme dataflows fra for eksempel Java til JavaScript.  

Security by Design for AI Startups: Sikre og skalérbare AI-agenter

I dette projekt er eksperter fra Alexandra Instituttet gået sammen med den danske startup PrivacyMate for at lukke sikkerhedshullerne, som AI-agenterne fører med sig. Resultatet bliver en AI-agent, som kan håndtere data sikkert og præcist, og et værktøj, som kan rulles ud internationalt.

SECUREAM: Cybersikkerhed i 3D-printeren

Projektet leverer et omfattende rammeværktøj, der vurderer risici og sikrer sporbarhed gennem hele 3D-printprocessen. Det indeholder også kryptering, som gør det muligt for samarbejdspartnere at dele designs uden at afsløre intellektuelle rettigheder. Målet er at give operatører og leverandører mulighed for at dokumentere høj produktionskvalitet og opdage afvigelser, før de udvikler sig til dyre fejl.

Clearsight: Forsvar af Danmarks digitale infrastruktur

Projektet udvikler et intelligent overvågningssystem til OT-systemer, som ofte kendetegnes som værende kritisk infrastruktur. Systemet skal teste og tjekke om udstyr er sikkert, opdage mistænkelig adfærd og sende en alarm til dem, der skal løse problemet. Målet er, at virksomheder og myndigheder får et tidligt overblik over sikkerheden i organisationen.

FAIRFM: Vejen til ligeværdige ultralydsscanninger

Kvaliteten af en ultralydsscanning afhænger af operatørens erfaring og moderens individuelle fysiologi, hvilket betyder, at nogle kvinder får mere præcise vurderinger end andre. FairFM-projektet har til formål at fjerne denne forskelsbehandling ved at udvikle AI, der opdager og retter bias, så alle gravide kvinder får lige adgang til tidlig og præcis fosterdiagnostik.

1813AI: Ansvarlig AI til akuttelefonen

1813AI fokuserer på borgere med skader og udvikler en borgerrettet, adaptiv AI-chatløsning, der gennem en ny selvbetjeningsapp vil give vejledning og hente information i ventetiden. Dette skaber hurtigere adgang til hjælp, reducerer personalets stress og bidrager til en mere retfærdig og effektiv sundhedsservice.

Sikker softwareudvikling i en ny virkelighed

Dette projekt har til formål at udvikle retningslinjer og værktøjer, der gør det muligt for udviklere at bruge AI i softwareudvikling på en sikker og ansvarlig måde. På den måde styrkes cybersikkerheden direkte, samtidig med at AI understøtter både kvalitet og produktivitet.

GREENSQL: Grøn digitalisering starter i databasen

Databaser sporer information, flytter den frem og tilbage og sikrer problemfri integration på tværs af systemer — men alt dette bruger energi. Meget energi. Hvad nu, hvis det kunne gøres mere effektivt? Dette spørgsmål er centralt for projektet. Ved at optimere kode og databaser med AI har GREENSQL potentiale til drastisk at reducere energiforbruget.