UN NUEVO PARADIGMA PARA EL APRENDIZAJE AUTOMATICO ADVERSARIO
EL CRECIMIENTO RECIENTE EN LA CAPACIDAD COMPUTACIONAL Y LOS AVANCES EN ADQUISICION, PROCESAMIENTO Y ALMACENAMIENTO DE DATOS (BIG DATA, BD) HA PROPORCIONADO FORMAS NOVEDOSAS DE MODELIZAR Y PREDECIR NUMEROSOS PROCESOS EN LOS NEGOCIO...
ver más
Fecha límite participación
Sin fecha límite de participación.
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2021-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Fecha límite de participación
Sin fecha límite de participación.
Descripción del proyecto
EL CRECIMIENTO RECIENTE EN LA CAPACIDAD COMPUTACIONAL Y LOS AVANCES EN ADQUISICION, PROCESAMIENTO Y ALMACENAMIENTO DE DATOS (BIG DATA, BD) HA PROPORCIONADO FORMAS NOVEDOSAS DE MODELIZAR Y PREDECIR NUMEROSOS PROCESOS EN LOS NEGOCIOS, LA CIENCIA Y LA POLITICA. LA MAYORIA DE ESTOS DESARROLLOS SE APOYAN EN LA IDEA QUE GRANDES BASES DE DATOS Y ALGORITMOS POTENTES PUEDEN DESCUBRIR PATRONES DE COMPORTAMIENTO RELEVANTES. EL BD Y EL APRENDIZAJE AUTOMATICO (AA) ESTAN CREANDO NUEVOS PARADIGMAS CIENTIFICOS QUE ESTAN RECONFORMANDO NUESTRA SOCIEDAD Y ECONOMIA EN FORMAS INIMAGINABLES HACE UNOS AÑOS. A LA VEZ QUE SE DESPLIEGAN MASIVAMENTE SISTEMAS DE IA-AA, SE HAN COMENZADO A DETECTAR ALGUNOS INCONVENIENTES. NUESTRO FOCO SERA EN LA SEGURIDAD DE TALES SISTEMAS Y, MAS GENERALMENTE, SU USO EN CONTEXTOS COMPETITIVOS. ESTO FORMA PARTE DEL NUEVO CAMPO DEL APRENDIZAJE AUTOMATICO ADVERSARIO (AAA) QUE CUESTIONA LA HIPOTESIS ESTANDAR DE QUE LOS DATOS EN ENTRENAMIENTO Y OPERACIONES SON IID, DEBIDO A LA PRESENCIA DE ADVERSARIOS DISPUESTOS A ALTERAR EL PROBLEMA PARA ALCANZAR CIERTOS BENEFICIOS CON ACCIONES ADAPTATIVAS EN EL TIEMPO. EL PARADIGMA QUE PREVALECE PARA MODELIZAR EL ENFRENTAMIENTO ENTRE SISTEMAS DE APRENDIZAJE Y ADVERSARIOS HA SIDO LA TEORIA DE JUEGOS (TJ), CON SUS CORRESPONDIENTES HIPOTESIS DE CONOCIMIENTO COMUN. DESDE UN PUNTO DE VISTA FUNDAMENTAL, TAL HIPOTESIS NO ES SOSTENIBLE EN LOS DOMINIOS DE SEGURIDAD, PUES LOS ADVERSARIOS TIENDEN A OCULTAR INFORMACION. COM ALTERNATIVA A LA TJ ESTANDAR, HEMOS ESTADO DESARROLLANDO EN LOS ULTIMOS AÑOS EL CAMPO EMERGENTE DEL ANALISIS DE RIESGOS ADVERSARIOS (ARA). POTENCIALMENTE PUEDE CAMBIAR EL PARADIGMA PRINCIPLA DEL AA. ASI, NUESTRO OBJETIVO EN EN ESTE PROYECTO SERA DESARROLLAR UN NUEVO MARCO PARA EL AAA BASADO EN EL ARA QUE TENGA EN CUENTA LA PRESENCIA PROACTIVA DE ADVERSARIOS Y DESARROLLARLO METODOLOGICA, CONCEPTUAL Y COMPUTACIONALMENTE PARA PODER RESOLVER PROBLEMAS PRACTICOS DE SEGURIDAD EN IA. EL PROYECTO CUBRE CUESTIONES FUNDAMENTALES, APROXIMACIONES DE MODELIZACION, Y PROBLEMAS COMPUTACIONALES, Y VIENE MOTIVADO POR PROBLEMAS APLICADOS EN RELACION CON LA SEGURIDAD DE LOS ALGORITMOS AA EN VEHICULOS AUTONOMOS Y ENTORNOS COMPETITIVOS DE TOMA DE DECISIONES. PRENDIZAJE AUTOMATICO\ANALISIS DE RIESGOS ADVERSARIOS\METODOS BAYESIANOS\SEGURIDAD