Przejdź do treści Wyszukiwarka

Opracowujemy wielopoziomowe systemy zarządzania ochroną infrastruktury krytycznej, jak i te służące do zabezpieczenia kluczowych usług państwa wobec zagrożeń kinetycznych i cybernetycznych. Nasze algorytmy rozwijają koncepcje z powodzeniem używane w Stanach Zjednoczonych do wzmocnienia bezpieczeństwa portów lotniczych, terminali morskich, infrastruktury przesyłowej, czy też zwiększenia ochrony zagrożonych gatunków zwierząt w parkach narodowych w wielu miejscach na świecie. Ponadto, tworzymy dedykowane rozwiązania algorytmiczne do wykrywania i zapobiegania przestępczości. Opracowujemy także rozwiązania oparte na sztucznej inteligencji, które zwiększają efektywność platform bezzałogowych w aplikacjach związanych z bezpieczeństwem.

Ochrona infrastruktury krytycznej

W ostatnich dwóch dekadach, dzięki zwiększeniu mocy obliczeniowej komputerów, możliwe stało się bezpośrednie modelowanie zarówno wielu potencjalnych zagrożeń, jak i możliwych środków obronnych, zwłaszcza w kontekście ochrony infrastruktury krytycznej. Szczególnie popularne jest tutaj podejście oparte na modelu gier Stackelberga, w których obrońca infrastruktury krytycznej rozdziela ograniczone zasoby bezpieczeństwa, aby chronić grupę obiektów przed różnymi rodzajami ataku. Dzięki zastosowaniu nowatorskich metod optymalizacyjnych możliwe jest zaprojektowanie strategii obronnych, które znacznie zwiększają szansę na zapobieżenie potencjalnemu atakowi, co wielokrotnie wykazano w wielu praktycznych zastosowaniach. W szczególności gry Stackelberga zostały zastosowane do optymalizacji ochrony wybranych obiektów w USA (Lotnisko Los Angeles LAX, portu w Bostonie, w Nowym Jorku), parków narodowych i rezerwatów przyrody w obu Amerykach, Afryce i Azji, do przeciwdziałania przestępstwom oportunistycznym, a także w cyberbezpieczeństwie. Bazując na tych doświadczeniach, nasz zespół tworzy zaawansowane systemy dedykowane ochronie infrastruktury krytycznej w Polsce.

Analiza danych dla bezpieczeństwa

Analiza danych odgrywa kluczową rolę w zwiększaniu zdolności obronnych jak i wykrywaniu oraz prewencji przestępstw. Chociaż istnieje wiele dostępnych na rynku pakietów oprogramowania dedykowanych analizie danych w zastosowaniach związanych z bezpieczeństwem, nie obejmują one najnowszych osiągnięć naukowych, w tym tych z zakresu sztucznej inteligencji. Oznacza to, że czas i praca analityków nie są optymalnie wykorzystane, co jest szczególnie istotne w kontekście rosnących wolumenów dostępnych danych. Istnieje zatem paląca potrzeba budowy i wdrażania dedykowanych rozwiązań opartych na sztucznej inteligencji dla sektora bezpieczeństwa, które wykorzystują najnowsze osiągnięcia naukowe do analizy dużych ilości danych i umożliwiają zwiększenie możliwości i wydajności pracy ekspertów.

Nasz zespół specjalizuje się w opracowywaniu wydajnych algorytmów dla aplikacji związanych z bezpieczeństwem. Specjalizujemy się, w szczególności w rozwiązaniach opartych na algorytmach grafowych oraz algorytmach uczenia maszynowego. W kręgu naszych zainteresowań i doświadczeń jest szeroka gama aplikacji: od modelowania i wykrywania oszustw finansowych po zastosowanie sztucznej inteligencji do analizy, prognozowania i zapobiegania przestępczości. Na przykład, opierając się na znanych metodach z kryminalistyki, które pozwalają na identyfikacje kluczowych zmiennych, możemy efektywnie trenować relatywnie dokładne modele uczenia maszynowego do przewidywania przestępstw na danym obszarze. Następnie, korzystając z technik wyjaśnialnego uczenia maszynowego (explainable AI), jesteśmy w stanie określić wkład poszczególnych zmiennych do otrzymanego wyniku, aby uzyskać znacznie głębsze zrozumienie przyczyn prowadzących do występowania różnego rodzajów przestępstw na danym obszarze.

Zapoczątkowaliśmy ważny kierunek badań, jakim jest przeciwstawna analiza sieci społecznościowych. Pozwoli ona zrozumieć, w jaki sposób jednostki i grupy mogą unikać technik, algorytmów i innych narzędzi stosowanych w tej analizie. W ramach tego paradygmatu bezpośrednio modelujemy strategiczne zachowania zarówno członków sieci społecznych, jak i strony, której celem jest analiza takich sieci. Badania te mają ważne implikacje praktyczne. Z jednej strony, mogą pomóc w ochronie prywatności, np. poprzez skuteczne ukrycie nieujawnionych relacji społecznych przed algorytmami przewidywania połączeń. Z drugiej strony, badania mogą pomóc w zrozumieniu strategii ukrywania się, stosowanych przez organizacje przestępcze i terrorystyczne, oraz przeciwdziałaniu im.

Platformy bezzałogowe (drony)

Nasz zespół opracowuje również zaawansowane rozwiązania dla różnego rodzaju pojazdów bezzałogowych w oparciu o uczenie maszynowe i inne technologie AI. W ostatnim czasie szczególnie interesują nas multimodalne metody komunikacji człowieka – operatora z pojazdem bezzałogowym lub rojem takich pojazdów. Przykładowo, badania te obejmują stworzenie oprogramowania planującego misję, opartego na sztucznej inteligencji, które jest w stanie zrozumieć i wdrożyć cele operacji na podstawie prostego słownego opisu.

Lider zespołu badawczego


Tomasz Michalak

Tomasz P. Michalak jest kierownikiem zespołu badawczego w IDEAS NCBR oraz wykładowcą na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego. W czasie kariery naukowej prowadził badania na Wydziale Informatyki Uniwersytetu Oksfordzkiego, Szkole Inżynierii i Informatyki Uniwersytetu w Southampton, Wydziale Informatyki Uniwersytetu w Liverpoolu oraz Wydziale Ekonomii Stosowanej Uniwersytetu w Antwerpii. Jest absolwentem Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego. Tytuł doktora ekonomii otrzymał na Wydziale Ekonomii Stosowanej Uniwersytetu w Antwerpii. Członek ELLIS Society.

Jego zainteresowania naukowe obejmują sztuczną inteligencję, sieci społeczne, fintech i cyberbezpieczeństwo, obliczeniowe nauki społeczne, systemy wieloagentowe, oraz teorię gier. Obecnie prowadzi badania, które dotyczą, między innymi, zastosowań teorii gier w sieciach oraz do zagadnień związanych z bezpieczeństwem i uczeniem maszynowym.

Tomasz Michalak kierował międzynarodowymi i krajowymi projektami badawczymi, miedzy innymi pełnił role kierowniczą w projektach takich jak:

  • Projekt: „Przyjazne obliczeniowo miary centralności” (Tractable game-theoretic centrality measures)

Okres: 2013-2017

Fundator: Narodowe Centrum Nauki, SONATA

  • Projekt: „Strategiczna analiza sieci społecznych” (Strategic Social Network Analysis)

Okres: 2017-2022

Fundator: Narodowe Centrum Nauki, OPUS

Inne grupy i zespoły badawcze

  • Zrównoważona wizja komputerowa dla maszyn autonomicznych Nasze rozwiązania potencjalnie mogłyby być wykorzystywane w dronach jako narzędzie wspierające ochronę parków narodowych, w tym zwierząt przed kłusownictwem.
    Bartosz Zieliński
  • Uczenie maszynowe w trybie ciągłym Sztuczne sieci neuronowe są skutecznymi modelami uczenia maszynowego stosowanymi w różnych dziedzinach życia. Spowodowane jest to ich znakomitymi możliwościami automatycznego uczenia się efektywnego sposobu reprezentowania danych, bez znaczącej ingerencji człowieka w ten proces.
    Bartłomiej Twardowski
  • AI dla bezpieczeństwa Opracowujemy wielopoziomowe systemy zarządzania ochroną infrastruktury krytycznej, jak i te służące do zabezpieczenia kluczowych usług państwa wobec zagrożeń kinetycznych i cybernetycznych.
    Tomasz Michalak