Projekter

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.

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.  

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.

Satellitter er sårbare over for cyberangreb. For de er tæt integreret med systemer på jorden og ofte udviklet af mindre aktører med begrænsede sikkerhedsressourcer. Dette projekt tager udgangspunkt i en ny virkelighed, hvor satellitter er en del af den digitale frontlinje, og avancerede cyberangreb skal opdages og afværges.

Målet med SecMAS er at udvikle og validere sikre kommunikations- og kontrolmekanismer til multi-agent AI-systemer, så uautoriseret adgang, privilegieeskalering og spredning af skadelige inputs mellem agenter kan forhindres. Projektet skal skabe et videnskabeligt fundament for sikker anvendelse af agentisk AI i højrisikomiljøer som cybersikkerhed og automatiseret penetrationstest.

Projektet har til formål at sikre, at moderne gruppekommunikation er lige så sikker og pålidelig som individuelle beskeder gennem en grundig analyse af MLS-protokollen. Samtidig undersøges det, hvordan formelle metoder og kryptografiske beviser kan styrke sikkerheden og gøre teknologien klar til fremtidige trusler som kvantecomputere.

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.

Projektet handler om at forbedre detektion af svindel i digitale betalinger. Traditionelle systemer analyserer ofte hver transaktion enkeltvis, hvilket gør det muligt for organiserede svindelnetværk at skjule sig ved at sprede små handlinger over mange konti og brugere. Målet at udnytte mere avancerede metoder, som kan opdage mønstre på tværs af mange transaktioner og forbindelser mellem brugere. Målet er at gøre svindeldetektion mere præcis, hurtigere og bedre til at opdage koordinerede angreb i realtid.

I kvanteæraen vil computere løse matematiske problemer langt mere effektivt, hvilket gør post-kvantekryptografi (PQC) nødvendig. Udfordringen er at gøre PQC lige så praktisk og gnidningsfri som nutidens systemer. Dette projekt tager udfordringen op ved at tilpasse tærskelbaseret nøglehåndtering – hvor nøgler deles mellem flere parter – så den forbliver sikker i en kvantesikker fremtid.

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.