RESIST lanseras – 60 miljoner ska stärka Sveriges AI-försvar

Den 1 oktober 2026 lanserades forskningscentrumet RESIST på Cybercampus Sverige i Stockholm. Deltagare från akademi, näringsliv och offentlig sektor samlades kring en konkret fråga: hur AI-system ska kunna fungera tillförlitligt även när de utsätts för angrepp, fel och störningar.

Stiftelsen för strategisk forskning, SSF, har beviljat RESIST 60 miljoner kronor för projektperioden 2026–2031. Linköpings universitet är värd för samarbetet med Lunds universitet, Örebro universitet och RISE; i universitetets redogörelse för lanseringen kallar föreståndaren Fredrik Heintz cyberresilient AI för ”en gemensam angelägenhet för hela Sverige”. Pengarna finansierar ett forskningsuppdrag: metoderna ska utvecklas och prövas innan deras effekt i olika användningsmiljöer kan bedömas.

Vad RESIST ska utveckla

Centrumets uppdrag omfattar AI-modellerna och systemen som modellerna ingår i. Forskningen ska ta fram metoder för att kontrollera om modeller fungerar som avsett, skydda dem mot manipulation under drift och utforma system som kan fortsätta fungera när något går fel. Därför räcker det inte att studera om ett enskilt angrepp kan stoppas. Ett system kan också få bristfälliga data, möta oväntade förhållanden eller förlora en del av den funktion som modellen är beroende av.

RESIST ska dessutom föra samman forskningen med kompetensutveckling, utbildning och samarbete mellan universitet, företag och offentlig sektor. Den bredden har en teknisk poäng: en modell kan uppfylla ett krav i en kontrollerad testmiljö, medan den färdiga tjänsten eller maskinen måste fungera med verkliga datakällor och andra tekniska delar. Forskningen behöver därför omfatta både modellens beteende och hur den byggs in i ett större system.

Fyra frågor bakom forskningen

Manipulation. Vad händer om någon avsiktligt försöker påverka ett AI-systems indata eller beteende medan det används? RESIST ska undersöka skydd mot cyberattacker och manipulation under drift. Det gör forskningsfrågan bredare än att upptäcka ett misstänkt försök: systemet behöver också kunna hantera påverkan utan att dess avsedda funktion försvinner. Hur väl det lyckas beror på vilken attack och vilken funktion som prövas.

Felaktiga data. Ett opålitligt resultat behöver inte börja med ett angrepp. Data kan vara ofullständiga, missvisande eller felaktiga när de når modellen. Då blir frågan om systemet kan känna igen osäkerheten och undvika att behandla ett svagt underlag som säkert. Det är en annan prövning än att visa goda resultat med ordnade data under utvecklingen, och den kräver att forskarna granskar vilka antaganden modellen gör om informationen den får.

Drift under störning. Hur ska ett AI-baserat system bete sig om en del slutar fungera eller förutsättningarna plötsligt ändras? RESIST vill utveckla arkitekturer som tål fel och bevarar den funktion som fortfarande går att leverera. För ett system är det skillnad mellan att upptäcka en störning, fortsätta arbeta med begränsad förmåga och ge ett resultat som ser normalt ut trots att underlaget har försämrats. Det är dessa beteenden som behöver kunna undersökas, inte bara modellens träffsäkerhet i ostörd drift.

Verifiering. Hur kan forskarna visa att en modell och systemet runt den uppfyller sina krav över tid? RESIST:s forskningsplan omfattar tillförlitlighet och verifierbarhet under AI-systemets livscykel. En meningsfull kontroll behöver ange vilken egenskap som testas, under vilka förhållanden den ska hålla och vad som händer när förhållandena ändras. Ett lyckat prov i en avgränsad miljö säger något om just det provet; nästa fråga är om samma egenskap består i den tillämpning där systemet ska användas.

Där ska resultaten prövas

RESIST planerar validering inom AI-driven kritisk infrastruktur, AI-förstärkta mjukvarutjänster samt automatiserade robotar och fordon. Kategorierna täcker olika slags beroenden mellan modell och omgivning. En mjukvarutjänst kan behöva hantera förändrade data och fel i tjänstens andra delar, medan en robot eller ett fordon också påverkas av förändringar i den fysiska miljön. I kritisk infrastruktur blir det särskilt viktigt att veta vilka funktioner som fortsätter fungera vid en störning.

Valideringen ska ske i samverkan med aktörer utanför forskningen. Det ger möjlighet att pröva metoderna mot villkor som liknar den tänkta användningen och att se om en förbättring på modellnivå också märks i det större systemet. De angivna områdena är ännu breda: utan uppgifter om en viss installation, ett testupplägg och ett utfall går det inte att tillskriva centrumet en uppnådd säkerhetsnivå för någon av dem.

Skillnaden mellan finansiering och resultat är avgörande för satsningens betydelse. Anslaget och lanseringen gör det möjligt för RESIST att bedriva ett långsiktigt arbete med säker och motståndskraftig AI. När valideringsresultat redovisas blir den viktiga frågan vilka störningar metoderna har prövats mot, vilka funktioner som kunde fortsätta och i vilka miljöer resultaten faktiskt gäller.

Läs också:

• TERASi tar in 11 miljoner euro – Nato-fonden gör sin första svenska investering
• Spiich tar in 3 miljoner euro – effektmåtten kommer från bolaget