FOI: Risker och möjligheter med AI i trådlös kommunikation

– Både bild och språk är sedan tidigare kända och välstuderade områden inom AI. Utmaningen för oss är att öka kunskapen om hur vi kan dra nytta av maskininlärning inom trådlös radiokommunikation och hur man skyddar sig mot störningar, säger Erik Axell, som är en av forskarna bakom rapporten.

Träningsdata, tidsluckor…

I rapporten Intelligent robust radiokommunikation från Totalförsvarets forskningsinstitut (FOI) har forskarna bland annat velat ta reda på vilka sårbarheter det finns med maskininlärningsteknik och hur man kan förbereda sig på attacker. Två av områdena man behandlat är tillgången till träningsdata, och vilka tidsluckor som finns i radionätet, det vill säga vem som kan sända och när.

– Träningsdata måste vara av tillräckligt god kvalitet för att vi ska kunna skapa algoritmer som presterar bra i trådlös radiokommunikation. Visst går det att skapa syntetiska data, men svårigheten är att en algoritm som bara är tränad på syntetiska data kan fungera dåligt i ett verkligt scenario om man inte har modellerat verkligheten tillräckligt bra, säger Erik Axell.

…och det fysiska lagret

Det tredje området handlar om det så kallade fysiska lagret. Det fysiska lagret är det som berör överföringen av ljudvågor i vårt fysiska rum, och något som kan störas av exempelvis kraftledningar och järnvägar.

– Störning kan försämra både datatakt och räckvidd eller förstöra kommunikationen helt om man inte har tekniker för att motverka det, säger Erik Axell.

Forskningsprojektet kommer att pågå under tre år.

– Då hoppas vi kunna mer om hur vi kan utnyttja den snabba utvecklingen av maskininlärning för att anpassa och använda radioresurser mer effektivt och samtidigt motverka störning, säger Erik Axell.