Ing. Daniel Vašata, Ph.D.

2022 - 2025

Projekt se zaměřuje na výzkum nových metod účinné ochrany před kybernetickými hrozbami, které zneužívají zabezpečenou komunikaci ke kompromitaci serverů a počítačů v prostředí vysokorychlostních sítí. Budou zkoumány metody strojového učení vhodné pro určování charakteristik toků šifrované komunikace a souvisejících rizik pouze z dostupných metadat. Díky využití hardwarové akcelerace pro realizaci klasifikátorů využívající strojové učení umožní systém vysokorychlostní detekci bezpečnostních incidentů a jejich reportování do SIEM nástroje. Dále bude vyvinut modul pro analýzu incidentů ve formě zásuvného modulu do systému QRadar. Výstupy projektu budou také zahrnovat referenční datové sady síťového provozu a systém pro jejich sběr a anotaci.

2026 - 2029

Projekt z oblasti analytické teorie čísel se zabývá aplikacemi modulárních forem a Hurwitzových třídových čísel na tzv. Negative Bias Conjecture a související problémy pro rodiny eliptických křivek nad konečnými tělesy.

2026 - 2028

Projekt THOR přináší inovativní řešení pro detekci, analýzu a interpretaci kybernetických hrozeb na základě doménových jmen v šifrovaném provozu. Využívá pokročilé strojové učení, neurosymbolickou AI a federativní učení s cílem posílit ochranu kritické infrastruktury a zvýšit efektivitu práce bezpečnostních týmů, zejména na pracovištích typu Security Operations Center (SOC). Řešení umožní včasné odhalení i dosud neznámých hrozeb a automatizovanou tvorbu Threat Intelligence, čímž přispěje k ochraně kyberprostoru. Bude také přímo nasazeno v síti správce české domény, CZ.NIC.

2026 - 2029

Projekt reaguje na rostoucí význam neveřejného AC nabíjení v rozvoji elektromobility a na potřebu datově podloženého, systémového plánování dobíjecí infrastruktury v České republice. Stávající přístupy zohledňují převážně veřejné nabíjení, čímž přehlížejí zásadní část reálného zatížení distribuční soustavy – pravidelné a objemově dominantní nabíjení v bytových a administrativních objektech. Cílem projektu je vytvořit komplexní model využívající metody strojového učení a neuronových sítí pro analýzu chování uživatelů, časoprostorových vzorců nabíjení a jejich dopadů na distribuční síť. Model bude pracovat s rozsáhlými reálnými daty z veřejného i neveřejného prostředí a zohlední síťové kapacity i technické charakteristiky lokalit. Zásadní součástí projektu bude analýza využitelné flexibility elektromobilů. Posouzena bude technická flexibilita (např. Služby výkonové rovnováhy, distribuční flexibilita) i obchodní flexibilita (řízení spotřeby, optimalizace rezervované kapacity – RRK, krytí obchodní odchylky). Výsledky modelu budou využity ve vývoji softwarového nástroje a následně i při tvorbě metodiky (výstup typu NmetS). Metodika pro strategické řízení rozvoje dobíjecí infrastruktury v ČR nabídne systematický rámec pro lokalizační rozhodování, integraci infrastruktury do územního plánování, posouzení kapacitních omezení a návrh legislativních úprav. Podpoří aktualizaci NAP ČM, naplnění požadavků nařízení AFIR a umožní datově řízené rozhodování ve veřejné správě. Po posouzení a schválení Ministerstvem dopravy a Ministerstvem průmyslu a obchodu bude sloužit jako nástroj pro státní správu, samosprávy i další relevantní subjekty.

2024 - 2027

S: Cílem projektu je přinést možnost technického i ekonomického řešení pro poskytování energetické flexibility skrze systém propojení elektromobilu s elektrizační soustavou – Vehicle to Grid (V2G). M: Výzkum bude vycházet z reálných dat používání nabíjecích stanic a vytíženosti distribuční soustavy. Výstupem bude prakticky ověřené technologie pro úspěšné komerční uplatnění V2G. A: Cíle byly stanoveny na základě současného stavu a zkušeností obou uchazečů s projekty VaVaI i komerční aplikací nových technologií. R: Výzkum rozšíří současné projekty, využitím metod strojového učení zpřesní predikce a převede je do praxe. Vychází z potřeby trhu i státu pro udržitelnost energetiky i rozvoje elektromobility. T: Projekt bude veden dle detailního harmonogramu a bude ukončen v roce 2025.