어배너, 일리노이/버클리, 캘리포니아--(뉴스와이어)--C3.ai 디지털 트랜스포메이션 인스티튜트(C3.ai Digital Transformation Institute, 이하 C3.ai DTI)가 인공지능(AI)을 활용해 정보 보안과 주요 인프라를 보호하는 연구에 초점을 맞춰 상금을 수여하는 제3회 ‘C3.ai DTI 펀드 첨단 연구상’ 수상자를 24일 발표했다.

C3.ai DTI 펀드 첨단 연구상은 캘리포니아 대학교 버클리캠퍼스, 일리노이 대학교 어배너-섐페인캠퍼스, 카네기 멜런 대학교, 프린스턴 대학교, 시카고 대학교, 스웨덴 왕립 공과대학교, 매사추세츠 공과대학(MIT)에서 활동하는 우수 연구원들에게 총 650만달러를 상금으로 수여했다.

토마스 M. 시에벨(Thomas M. Siebel) C3 AI 회장 겸 최고경영자는 “사이버 보안은 당면하고 실재한 문제다. C3 AI는 기술을 발전시켜 주요 인프라를 보호할 수 있도록 우수한 과학자들을 적극적으로 지원하고 있다”고 말했다.

24개 프로젝트가 각각 10만달러에서 70만달러의 상금을 수상했다.

AI 회복 탄력성: 적대적인 공격에 회복 탄력성이 있는 AI 알고리즘 개발을 뒷받침할 기술 및 방법론

· '주요 인프라의 사이버 보안 임무를 위한 강력한 고성능 AI 방법론(High Performance Provably Robust AI Methods for Cybersecurity Tasks on Critical Infrastructure)’(지코 콜터(Zico Kolter), 카네기 멜런 대학교)

· '적으로부터 안전한 확장형 머신러닝(Scalable, Secure Machine Learning in the Presence of Adversaries)’(존 쿠비아토비치[John Kubiatowicz], 캘리포니아 대학교 버클리캠퍼스)

· ‘REFL: 회복 탄력성 있는 분산형 사이버 보안 학습 시스템(REFL: Resilient Distributed Cybersecurity Learning System)’(보 리[Bo Li], 일리노이 대학교 어배너-섐페인캠퍼스)

· ‘감독형 머신러닝 알고리즘의 근본적인 한계(Fundamental Limits on the Robustness of Supervised Machine Learning Algorithms)’(벤 자오[Ben Zhao], 시카고 대학교)

이상 감지: 무단 접속, 서비스 거부, 데이터 유출의 징후일 수 있는 시스템 및/또는 네트워크 이상을 조기에 감지하는 감독형·비감독형 학습을 비롯한 AI 기술

· ‘인터넷 보안 취약점의 연속·자동 발견 및 복원(Continuously and Automatically Discovering and Remediating Internet-Facing Security Vulnerabilities)’(닉 펨스터[Nick Feamster], 시카고 대학교)

· ‘사이버 공격으로부터 전력 시스템을 보호하는 AI 기술(AI Techniques for Power Systems Under Cyberattacks)’(자바드 라바이[Javad Lavaei], 캘리포니아 대학교 버클리캠퍼스)

· ‘서브스테이션 자동화 시스템에서 사이버 침입 감지를 위한 물리-인식 AI 접근법(Physics-aware AI-based Approach for Cyber Intrusion Detection in Substation Automation Systems)’(알베르토 산조반니 빈첸텔리[Alberto Sangiovanni-Vincentelli], 캘리포니아 대학교 버클리캠퍼스)

지능형 지속 공격: 지능형 지속 공격을 감지하는 AI 기술

‘자율성 혼합 트래픽에서 지능형 지속 공격을 감지하는 딥러닝 알고리즘: 설계 및 실험 검증(Deep-Learning Detection Algorithms for Advanced Persistent Attacks in Mixed-Autonomy Traffic: Design and Experimental Validation)’(알렉스 바옌[Alex Bayen], 캘리포니아 대학교 버클리캠퍼스)

· ‘사이버 보안을 위한 AI 지원(AI Support for Cybersecurity)’(데이비드 바그너[David Wagner], 캘리포니아 대학교 버클리캠퍼스)

주요 실제-가상 인프라 보호: 사이버 공격으로부터 주요 인프라를 보호하는 AI 기술

· ‘네트워크용 사이버 안전 케이지(Cyber Safety Cage for Networks)’(시릴 발렌틴 아르토[Cyrille Valentin Artho], 스웨덴 왕립 공과대학교)

· ‘확률적 프로그래밍을 통한 대규모 인프라 보안(Security for Large-Scale Infrastructure using Probabilistic Programming)’(니키타 보리소프[Nikita Borisov], 일리노이 대학교 어배너-섐페인캠퍼스)

· ‘주요 네트워크 인프라를 보호하기 위한 합성 신경 인증 프레임워크(A Compositional Neural Certificate Framework for Securing Critical Networked Infrastructure)’(추추 판[Chuchu Fan], 매사추세츠 공과대학교)

· ‘주요 에너지 인프라를 보호하기 위한 AI형 보안 작업 흐름의 대중화(Democratizing AI-Driven Security Workflows for Critical Energy Infrastructure)’(비야스 세카르[Vyas Sekar], 카네기 멜런 대학교)

· ‘주요 인프라를 보호하기 위한 의미론적 적대 관계 분석(Semantic Adversarial Analysis for Secure Critical Infrastructure)’(산짓 세샤[Sanjit Seshia], 캘리포니아 대학교 버클리캠퍼스)

포렌식: 공격원을 파악하는 AI 포렌식 및 속성 기술

· ‘실제-가상 시스템에서 실시간 공격을 식별하기 위한 원인 귀속 추론(Causal Reasoning for Real-Time Attack Identification in Cyber-Physical Systems)’(규르지 단[György Dán], 스웨덴 왕립 공과대학교)

· ‘공격원을 파악하기 위한 통계적 학습 이론 및 그래프 신경망(Statistical Learning Theory and Graph Neural Networks for Identifying Attack Sources)’(H. 빈센트 푸어[H. Vincent Poor], 프린스턴 대학교)

· ‘심층 신경망을 위한 강력한 확장형 포렌식(Robust and Scalable Forensics for Deep Neural Networks)’(벤 자오[Ben Zhao], 시카고 대학교)

신흥 금융 인프라 보호: 신흥 탈중앙화 금융·사업 인프라에 대한 공격을 규명하는 AI 기술

· ‘탈집중화 금융 보안을 개선하기 위한 지능형 플랫폼(An Intelligence Platform for Better Security in Decentralized Finance)’(다운 송[Dawn Song], 캘리포니아 대학교 버클리캠퍼스)

· ‘블록체인 포렌식(Blockchain Forensics)’(프라모드 비스와나트[Pramod Viswanath], 일리노이 대학교 어배너-섐페인캠퍼스)

취약성 규명: 알려지지 않은 멀웨어, 랜섬웨어, 제로데이(zero-day) 취약성을 파악해 고립시키고 무력화할 수 있도록 지원하는 AI 기술

· ‘GAN 지원 자동 테스트 케이스 생성(GAN-Aided Automatic Test Case Generation)’(줄리아 판티[Giulia Fanti], 카네기 멜런 대학교)

· ‘자바스크립트 취약성 감지를 위한 머신러닝(Machine Learning for JavaScript Vulnerability Detection)’(코리나 파사르누[Corina Pasareanu], 카네기 멜런 대학교)

내부자 위협: 악의적·비악의적 내부자의 무기화를 차단하기 위한 관리 기법 변화

· ‘진화하는 내부자 위협으로부터 주요 인프라 보호(Protecting Critical Infrastructures Against Evolving Insider Threats)’(칼 군터[Carl Gunter], 일리노이 대학교 어배너-섐페인캠퍼스)

· ‘적응형 내부자 위협의 희귀 사건 다면 모델링(Multi-Facet Rare Event Modeling of Adaptive Insider Threats)’(징루이 허[Jingrui He], 일리노이 대학교 어배너-섐페인캠퍼스)

· ‘사이버 하이진을 위한 AI 기반 너징(AI-Supported Nudging for Cyber-Hygiene)’(세드릭 랭보[Cedric Langbort], 일리노이 대학교 어배너-섐페인캠퍼스)

선정 기준

C3.ai DTI는 협력 연구, 첨단 머신 러닝, 기타 AI 하위 분야에 영감을 불러일으키는 연구 제안서를 선정 기준으로 삼았다. 각 프로젝트는 과학적 장점, 연구 책임자 및 공동 조사관의 선행 업적, AI·머신러닝·데이터 애널리틱스 활용도, 방법론 검사 적합성 측면에서 상호 심사를 거쳤다. 웹사이트(https://c3dti.ai/)에서 C3.ai DTI의 프로그램, 수상 기회, 선정된 연구 제안서를 자세히 확인할 수 있다.

C3.ai 디지털 트랜스포메이션 인스티튜트(C3.ai Digital Transformation Institute) 개요

C3.ai DTI는 재개, 정부, 사회에 미치는 긍정적인 영향을 앞당기기 위해 C3 AI, 마이크로소프트(Microsoft), 주요 대학들이 2020년 3월 공동 설립한 연구 컨소시엄이다. AI, 머신러닝, 클라우드 컴퓨팅, 사물 인터넷(IoT), 빅데이터 애널리틱스, 운영 관행, 공공 정책, 윤리의 교차로에서 세계 정상급 과학자들이 새로운 디지털 트랜스포메이션 과학에서 연구를 수행하고 현직 종사자들이 훈련받을 수 있도록 지원한다.

캘리포니아 대학교 버클리캠퍼스, 일리노이 대학교 어배너-섐페인캠퍼스, 카네기 멜런 대학교, 스웨덴 왕립 공과대학교, 로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory), 매사추세츠 공과대학교, 일리노이 대학교 어배너-섐페인캠퍼스 국립 슈퍼컴퓨팅 애플리케이션 센터(National Center for Supercomputing Applications), 프린스턴 대학교, 시카고 대학교, 스탠퍼드 대학교 등이 C3.ai DTI에 회원으로 가입했다. 산업 파트너로는 아스트라제네카(AstraZeneca), 베이커 휴즈(Baker Hughes), 섈(Shell) 등이 있다.

C3.ai DTI는 C3 AI로부터 5년 간 5725만달러를 지원받기로 했다. C3.ai DTI는 연구원들에게 상금뿐만 아니라 클라우드 컴퓨팅, 슈퍼컴퓨팅, 데이터, 소프트웨어 자원을 무료로 제공한다. 또 C3 AI 애플리케이션을 플랫폼(한정), 최대 200달러 규모의 애저 클라우드 컴퓨팅 자원, 일리노이 대학교 어배너-섐페인캠퍼스 국립 슈퍼컴퓨팅 애플리케이션 센터와 로렌스 버클리 국립 연구소 산하 국립 에너지 연구 과학 컴퓨팅 센터(NERSC)의 고성능 컴퓨팅(HPC) 자원도 이용할 수 있도록 지원한다.

C3 AI(C3.ai, Inc.) 개요

C3 AI는 엔터프라이즈 AI 애플리케이션 소프트웨어 기업이다. 엔터프라이즈 AI 애플리케이션 및 C3 AI 애플리케이션 개발·배치·운영용 단대단 플랫폼인 C3 AI 애플리케이션 플랫폼을 비롯한 전면 통합 제품군과 산업 특화 서비스형 소프트웨어(SaaS) 엔터프라이즈 AI 애플리케이션 포트폴리오를 공급해 전 세계 조직의 디지털 트랜스포메이션을 뒷받침한다. 자세한 정보는 웹사이트(www.c3.ai) 참조.

비즈니스와이어(businesswire.com) 원문 보기: https://www.businesswire.com/news/home/20220324005202/en/

[이 보도자료는 해당 기업에서 원하는 언어로 작성한 원문을 한국어로 번역한 것이다. 그러므로 번역문의 정확한 사실 확인을 위해서는 원문 대조 절차를 거쳐야 한다. 처음 작성된 원문만이 공식적인 효력을 갖는 발표로 인정되며 모든 법적 책임은 원문에 한해 유효하다.]