Postdoktor (2 år) inom säker federerad inlärning

Institutionen för datavetenskap söker en postdoktor som ska arbeta med attack- och försvarsstrategier i federerat lärande. Anställningen avser heltid under två år med tillträde enligt överenskommelse.

Institutionen för datavetenskap

Till vår institution, kännetecknad av världsledande forskning inom flera fält och en bredd av internationellt högt rankade utbildningsprogram, söker vi nu en postdoktor inom attack- och försvarsstrategier i federerat lärande.   

Institutionen för datavetenskap har haft en expansiv tillväxt under de senaste åren. Att skapa en inkluderande forskningsmiljö där medarbetare har en hög delaktighet är en viktig faktor i vår hållbara utveckling. Vår institution består av en diversifierad grupp människor från olika nationaliteter, bakgrunder och fält. Som postdoktor hos oss har du tillgång till stöd för din karriärutveckling, nätverk, administrativ och teknisk support samt goda anställningsvillkor.

För mer information besök https://www.umu.se/institutionen-for-datavetenskap/

Den framgångsrika kandidaten kommer att bidra till Autonomous Distributed Systems (ADS) Lab vid Institutionen för datavetenskap. ADS Lab är en internationellt ledande forskargrupp med fokus från distribuerad AI till autonom resurshantering och modern. Labbet består för närvarande av över 20 erfarna och världsledande forskarkollegor från mer än 10 olika länder. Samarbeten utförs med industrier som Google, IBM, Intel, Red Hat och Ericsson, samt universitet och institut som Princeton University, University of Massachusetts Amherst, Carnegie Mellon University, Princeton University, Lawrence Berkeley Lab, Nanyang Technical University i Singapore , Uppsala universitet, Lunds universitet, Universidad Complutense de Madrid, Leeds University, Barcelona Supercomputer Center, TU Wien, TU Delft, och många fler. För mer information, se https://www.cloudresearch.org

Är detta intressant för dig? Välkommen med din ansökan senast den 30 november.

Projektbeskrivning och arbetsuppgifter

Den snabba utvecklingen av autonoma system, anslutna enheter och distribuerade applikationer innebär flera utmaningar när det gäller att hantera petabyte av data i olika resursbegränsade miljöer. Federated machine learning (FML) är en gemensam inlärningslösning för att hantera dessa problem utan att dela data med centraliserade servrar. Flera nya hot riktar sig dock mot FML-träning, inlärning och slutledning för att misslyckas eller vilseleda modeller vid tidiga inlärningsrundor, särskilt backdoor- och bitflip-attack- och försvarsstrategier som är underutforskade i FML. Dessa resultat äventyrar uppnåendet av pålitlig prestanda för alla nedströmsuppgifter. Därför planerar detta projekt att utveckla och validera attack- och försvarsstrategier inom federerat lärande för begränsad och mångsidig icke-iid (oberoende identiskt distribuerad) data under icke-standardiserade och kontradiktoriska inställningar, som är idealiskt lämpade för avancerad AI-infrastruktur. Dessa mål kan uppnås genom att införa unika funktioner i federerade inlärningsalgoritmer, t.ex. robust träning, modellåterställning, pålitligt enhetsval, säker inlärning och aggregering, feltolerans mot fel och attacker, regularisatorer på flera nivåer och massiva enhetsvariationer. Ambitionen är att validera dem i klassiska icke-standardiserade miljöer och tillämpa dem på lösningar för miljöer med begränsningar (t.ex. sakernas internet (IoT) och robotarmar). Eventuellt kan undervisning upp till maximalt 20% ingå i arbetsuppgifterna.

Resor i tjänsten förekommer, både nationellt och internationellt, i samband med forskningssamarbeten och konferenser.

Anställningen finansieras av Knut och Alice Wallenberg Foundation genom The Wallenberg AI, Autonomous Systems and Software Program (WASP). WASP är Sveriges största enskilda forskningsprogram någonsin, ett stort nationellt initiativ för strategiskt motiverad grundforskning, utbildning och fakultetsrekrytering. Programmet tar upp forskning om artificiell intelligens och autonoma system som agerar i samarbete med människor, anpassar sig till sin omgivning genom sensorer, information och kunskap och bildar intelligenta system-av-system. WASPs vision är utmärkt forskning och kompetens inom artificiell intelligens, autonoma system och mjukvara till nytta för svensk industri. Läs mer: https://wasp-sweden.org/

Kvalifikationer

För att anställas med stöd av postdoktoravtalet krävs avlagd doktorsexamen eller en utländsk examen som bedöms motsvara doktorsexamen. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas.

För att anställas med stöd av postdoktoravtalet bör främst den komma ifråga som har avlagt examen enligt föregående stycke för högst tre år sedan. Om det finns särskilda skäl kan den komma i fråga som avlagt doktorsexamen tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, tjänstgöring inom totalförsvaret, eller andra liknande omständigheter samt klinisk tjänstgöring eller för ämnesområdet relevant tjänstgöring/ uppdrag. Postdoktor som ska undervisa eller handleda ska ha relevant högskolepedagogisk utbildning.

Goda kunskaper i engelska i både skrift och tal är ett krav.

Kandidater med gedigna grunder i teori och algoritmer inom projektrelaterade områden, såsom federerad maskininlärning, bakdörrsattacker och försvarsstrategier för federerad inlärning, distribuerade system, och utmärkt programmeringsförmåga, är mycket meriterande.

Förutom kreativitet och ett nyfiket sinne, är viktiga personliga egenskaper förmågan att arbeta såväl självständigt som tillsammans med andra antingen i grupp eller utanför. Du förväntas också ha en vilja att kontinuerligt utveckla dig för att bli en kompetent och oberoende forskare.

Kunskap och erfarenhet inom federerade inlärningsalgoritmer, distribuerade algoritmer, datacentrerad optimering, motståndskraftig eller feltolerant distribuerad inlärning, säkerhet för federerad inlärning, matematisk statistik, edge AI etc. är meriterande.

Ansökan

En fullständig ansökan ska innehålla

• Personligt brev.
• Meritförteckning - CV med publikationslista.
• Styrkt kopia av doktorsexamensbevis eller dokumentation som visar beräknat datum för doktorsexamen.
• Styrkta kopior av andra examensbevis, akademiska kursintyg och/eller betyg.
• Kopia av doktorsavhandling och upp till tre relevanta artiklar.
• Övriga handlingar som den sökande vill åberopa.

Kontaktuppgifter till tre referenspersoner lämnas i samband med en eventuell intervju.

Ansökan ska vara skriven på engelska eller svenska. Ansökan görs genom vårt elektroniska rekryteringssystem. Handlingar som skickas elektroniskt ska vara i formaten Word eller PDF. Logga in på systemet och ansök via knappen i slutet av denna sida. Sista ansökningsdag är 30 november.

Närmare upplysningar lämnas av biträdande universitetslektor Monowar Bhuyan på monowar@cs.umu.se eller till professor. Erik Elmroth at elmroth@cs.umu.se

Välkommen med din ansökan!