Dr inż. Mateusz Krzysztoń

Zainteresowania badawcze: cyberbezpieczeństwo, uczenie maszynowe, bezpieczeństwo sztucznej inteligencji

Mateusz Krzysztoń kieruje zespołem, który prowadzi prace badawczo-rozwojowe dotyczące zastosowania uczenia maszynowego w cyberbezpieczeństwie. Pierwszy obszar badań dotyczy wykrywania nieznanych zagrożeń w cyberprzestrzeni, w tym m.in. nowych aplikacji złośliwych na urządzeniach mobilnych czy nowych rodzajów ataków na systemy teleinformatyczne poprzez obserwację ruchu sieciowego. Drugi, to badanie i ocena bezpieczeństwa modeli uczenia maszynowego, w szczególności podatności tych modeli na ataki.

Największym sukcesem jego zespołu jest opracowanie lekkiego detektora nowych aplikacji złośliwych na Androida. Detektor działa w pełni na urządzeniu mobilnym klienta, dzięki czemu informacje o instalowanych przez użytkownika aplikacjach nie wychodzą poza jego urządzenie. Rozwiązanie jest aktualnie wdrażane w ramach powszechnie wykorzystywanego w Polsce przez instytucje bankowe systemu BotSense.

Wybrane publikacje

Artykuły

Giuseppe Stragapede et al., "KVC-onGoing: Keystroke Verification Challenge", Pattern Recognition, , 2024, 111287.
Mateusz Krzysztoń, Bartosz Bok, Paweł Żakieta, Joanna Kołodziej, "Evasion attacks on ML in domains with nonlinear constraints", 2024 IEEE 24th International Symposium on Cluster, Cloud and Internet Computing Workshops (CCGridW), CCGridW 2024, 2024, 112-119.
Bartłomiej Marek, Kacper Pieniążek, Filip Ratajczak, Wojciech Adamczyk, Bartosz Bok, Mateusz Krzysztoń, "Securing ML-based Android Malware Detectors: A Defensive Feature Selection Approach against Backdoor Attacks", 2024 IEEE 24th International Symposium on Cluster, Cloud and Internet Computing Workshops (CCGridW), CCGridW 2024, 2024, 128-135.
Giuseppe Stragapede et al., "IEEE BigData 2023 Keystroke Verification Challenge (KVC)", IEEE International Conference on Big Data (BigData), Sorrento, Italy, 2023, 6092-6100.
Mateusz Krzysztoń, Bartosz Bok, Marcin Lew, Andrzej Sikora, "Lightweight On-Device Detection of Android Malware Based on the Koodous Platform and Machine Learning", Sensors, 22(17), 2022, 6562.
Joanna Kołodziej, Mateusz Krzysztoń, Paweł Szynkiewicz, "Anomaly Detection in TCP/IP Networks", Communications of the ECMS, ECMS 2023, 37th Proceedings, Volume 37, Issue 1, 2023,

Rozdziały w monografiach

Mateusz Krzysztoń, "Weryfikacja wiarygodności systemów w erze uczenia maszynowego", Cyberbezpieczeństwo AI. AI w cyberbezpieczeństwie, Warszawa: NASK PIB, 2023, 45–58.
Mateusz Krzysztoń, Marcin Lew, Michał Marks, "NAD: Machine Learning Based Component for Unknown Attack Detection in Network Traffic", Cybersecurity of Digital Service Chains. Challenges, Methodologies, and Tools, Switzerland: Springer Cham, 2022, 83–102.