Mgr inż. Bartosz Bok
Zainteresowania badawcze: cyberbezpieczeństwo, uczenie maszynowe
Bartosz Bok pracuje nad metodyką badania podatności modeli ML na ataki. Tworzy modele ML pozwalające na automatyczną detekcję złośliwych aplikacji na telefonach użytkowników korzystających z Androida. Analizuje dane z rozgrywek piłkarskich pod kątem uzyskania wiedzy niezbędnej do poprawy wyników gry. Interesuje się wykorzystaniem technik uczenia maszynowego do tworzenia danych syntetycznych, a także dziedziną Explainable Machine Learning.
Wybrane publikacje
Artykuły
Michał Nowak, Bartosz Bok, Artur Wilczek, Łukasz Oleksy, Mariusz Kamola, "Forecasting extremes of football players’ performance in matches", Scientific Reports, 14, 2024, 27319.
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.
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.