Bando per assegno di ricerca
Titolo del progetto di ricerca in italiano | SDN Cyber-Gym: Implementazione di un'interfaccia Gymnasium per un cyber ranch open-source per applicazioni di cybersecurity basate su Deep Reinforcement Learning |
---|---|
Titolo del progetto di ricerca in inglese | SDN Cyber-Gym: Towards an open-source cyber ranch with a Gymnasium-like inter-face for Deep Reinforcement Learning cybersecurity applications |
Campo principale della ricerca | Computer science |
Sottocampo della ricerca | Computer systems |
G.S.D. | 09/IINF-05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
S.S.D | IINF-05/A - Sistemi di elaborazione delle informazioni |
Descrizione sintetica in italiano | Una sfida nel campo della Network Intrusion Detection basata su Intelligenza Artificiale è la disponibilità di un ambiente virtuale per l'addestramento di modelli. Senza una sandbox realistica tali modelli basati su Deep Reinforcement Learning (DRL) sono complessi da addestrare. L’inefficienza dei dati e i costi computazionali rendono difficile il loro uso in modalità offline. Quindi è necessario addestrare i sistemi NID basati su DRL in un contesto online dove si impara dall'esperienza, dato che gli scenari di rete tradizionali dove piano di controllo e piano dati sono strettamente accoppiati limitano le potenzialità del controllo che gli agenti possono imparare a gestire. Questo progetto mira a fornire un cyber ranch open-source compatibile con il Software Defined Networking e le interfacce Gymnasium di Farama (Gym di OpenAI) per sviluppo standardizzato del DRL. Lo scopo è sviluppare una sandbox di esplorazione sicura per il DRL nei sistemi NID con apprendimento online |
Descrizione sintetica in inglese | The research community focused on Artificial Intelligence-based Network Intrusion Detection (AI-based NID) has an important challenge: a safe-exploration environment to train the online-learning models. Without a realistic sandbox, Deep Reinforcement Learning (DRL) models may be impossible to train. Data inefficiency and computational costs are well-known features of DRL which make them difficult to develop inside an offline trace-based basis. Traditional network scenarios where the control plane and data plane are tightly coupled may limit the potentialities of network control that DRL agents can learn to manage. Hence, this project aims to deliver an open-source cyber-ranch which is compatible with Software Defined Networking and Gymnasium (formerly Gym) interfaces for standardized DRL development. The goal is to develop a DRL safe-exploration sandbox that realistically supports the entrance of Machine Learning (ML) practitioners into the field of online-learning NID systems. |
Data del bando | 28/06/2024 |
Numero di assegnazioni per anno | 1 |
Paesi in cui può essere condotta la ricerca |
Italy |
Paesi di residenza dei candidati |
EUROPE |
Nazionalità dei candidati |
EUROPE |
Sito web del bando | https://www.uninsubria.it/node/4455 |
Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
---|
Nome dell'Ente finanziatore | Università degli Studi dell'Insubria |
---|---|
Tipologia dell'Ente | Public research |
Paese dell'Ente | Italy |
Città | Varese |
Sito web | http://www.uninsubria.eu |
segreteria.dista@uninsubria.it |
L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
---|
Data di scadenza del bando | 30/09/2024 - alle ore 00:00 |
---|---|
Come candidarsi | https://pica.cineca.it/uninsubria/dista2024-adr004 |