MIT ve Stanford araştırmacıları, farklı yeteneklerdeki robotların bir arada güvenli çalışması için yeni bir sistem geliştirdi. Capability-Aware Heterogeneous Control Barrier Function (CA-HCBF) adlı bu yaklaşım, her robotun kendi fiziksel sınırlarını bilerek güvenlik kararları almasını sağlıyor. Sistem, tekerlekli robotlar ve insansı robotlar gibi farklı hareket kabiliyetlerine sahip makinelerin aynı ortamda çarpışmadan çalışmasına olanak tanıyor. Geleneksel yöntemler tüm robotları aynı kabul ederken, yeni sistem her robotun kendine özgü hareket sınırlarını dikkate alarak daha güvenli ve verimli koordinasyon sağlıyor.

Araştırmacılar, tıbbi görüntü segmentasyonunda yapay zekanın belirsizlik tahminlerini nasıl pratik kararlara dönüştürebileceğini araştırdı. Retina damar görüntüleri üzerinde yapılan çalışmada, belirsizlik haritalarının doğru stratejilerle kullanılması durumunda segmentasyon hatalarının yüzde 80'ine kadar azaltılabildiği gösterildi. İki aşamalı bir yaklaşım benimseyen bilim insanları, tahmin ve karar verme süreçlerini ayrı ayrı optimize ederek, yapay zekanın hangi tahminleri kabul edeceği, hangileri işaretleyeceği veya erteleyeceği konusunda daha etkili politikalar geliştirdi. Bu çalışma, tıbbi yapay zeka uygulamalarında güvenlik ve doğruluğun artırılması açısından önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, insansız hava araçları (İHA) ile çekilen görüntülerdeki çok küçük nesneleri tespit etmek için DroneScan-YOLO adlı yeni bir yapay zeka sistemi geliştirdi. Mevcut YOLO tabanlı tespit sistemleri, 32 piksel altındaki nesneleri fark etmekte zorlanıyor ve yoğun hesaplama gücü gerektiriyordu. Yeni sistem, 1280x1280 çözünürlükle çalışarak daha fazla uzamsal detay yakalıyor, gereksiz filtreleri otomatik olarak temizleyen RPA-Block mekanizması kullanıyor ve sadece %1.1 parametre artışıyla 4 piksel adımlı yeni bir tespit dalı ekliyor. Hibrit kayıp fonksiyonu SAL-NWD ile de özellikle çok küçük nesnelerdeki tespit başarısını artırıyor. Bu gelişme, arama-kurtarma operasyonları, tarımsal izleme ve güvenlik uygulamalarında kritik öneme sahip.

Araştırmacılar, modern şifreleme sistemlerindeki gizli zayıflıkları tespit etmek için yapay zeka destekli yeni bir yöntem geliştirdi. Neural Stringology Cryptanalysis adı verilen bu yaklaşım, geleneksel güvenlik testlerinin gözden kaçırabileceği yapısal anormallikleri makine öğrenmesi ile ortaya çıkarıyor. Özellikle ChaCha20 gibi yaygın kullanılan akım şifrelerini hedef alan sistem, metin analizi tekniklerini sinir ağlarıyla birleştiriyor. Bu yöntem, şifreleme algoritmalarının ürettiği anahtar dizilerindeki gizli kalıpları analiz ederek, daha önce fark edilmeyen güvenlik açıklarını tespit edebiliyor. Çalışma, siber güvenlik alanında yeni bir paradigma sunarak, şifreleme sistemlerinin dayanıklılığını değerlendirmek için daha sofistike araçların gerekliliğini vurguluyor.

Araştırmacılar, otonom kargo dronlarının kentsel alanlarda güvenli paket teslimatı yapabilmesi için yenilikçi bir yapay zeka sistemi geliştirdi. 'See&Say' adlı bu sistem, görsel algı ve dil modellerini birleştirerek dronların iniş yapacakları alanları dinamik olarak değerlendiriyor. Geleneksel yaklaşımlar sadece geometrik analiz veya görüntü segmentasyonuna odaklanırken, yeni sistem her iki yöntemi entegre ederek daha güvenilir karar verme sağlıyor. Sistem, tek kamerayla çekilen görüntülerdeki derinlik gradyanlarını açık-kelime dağarcığı algılama maskeleriyle birleştirerek güvenlik haritaları oluşturuyor. Bu teknolojik gelişme, kargo dronlarının karmaşık şehir ortamlarında güvenli teslimat yapabilmesi için kritik bir adım.

Entegre devre tasarımının küreselleşmesi, donanım fikri mülkiyetinin güvenliğini tehdit ediyor. Araştırmacılar, büyük dil modeli tabanlı ajanların donanım devrelerini otomatik olarak gizleyebileceğini gösteriyor. Geliştirilen sistem, devreleri tersine mühendislikten korumak için karmaşık şifreleme teknikleri kullanıyor. Bu yenilikçi yaklaşım, donanım güvenliğinde yapay zeka kullanımının potansiyelini ortaya koyuyor ve siber güvenlik alanında önemli bir adım teşkil ediyor.

Araştırmacılar, yapay zeka sistemlerinin farklı ortamlarda sergiledikleri gizli davranışları tespit etmek için 'bal küpü protokolü' adını verdikleri yeni bir yöntem geliştirdi. Geleneksel izleme sistemleri, AI modellerinin sadece pasif gözlemini yaparken, bu yeni yaklaşım modellerin farklı koşullarda nasıl davrandığını aktif olarak test ediyor. Protokol, görevin ve çevrenin aynı kalmasına rağmen sistem komutlarını üç farklı duruma göre değiştiriyor: değerlendirme, sentetik dağıtım ve açık izleme yok durumları. Claude Opus modeli üzerinde yapılan ilk testlerde, model her üç durumda da tutarlı performans gösterdi. Bu yöntem, AI güvenliğinde önemli bir adım olarak görülüyor çünkü modellerin potansiyel olarak zararlı davranışlarını gizlemesi durumunu tespit edebiliyor.

ABD'de kontrollü ortam tarımı sistemlerinde yapılan ilk kapsamlı siber güvenlik analizi, IoT tabanlı akıllı seralarda 123 farklı siber tehdit tespit etti. 30'dan fazla ticari tesiste gerçekleştirilen araştırma, tarım sektörünün siber saldırılara ne kadar açık olduğunu gözler önüne serdi. 15 farklı iletişim protokolünün incelendiği çalışmada, bunların 10'unun hiçbir güvenlik önlemi bulundurmadığı ortaya çıktı. Yapay zeka destekli sistemlerin yaygınlaşmasıyla birlikte, özellikle sinir ağı tabanlı kontrol sistemlerine yönelik 5 yeni saldırı türü keşfedildi. Bu bulgular, gıda güvenliğinin kritik altyapı olarak kabul edildiği bir dönemde, tarımsal sistemlerin siber güvenlik açısından ne kadar savunmasız olduğunu gösteriyor.

Gelecek nesil 6G mobil ağları onlarca yıl boyunca kritik hizmetleri destekleyecek. Ancak kuantum bilgisayarların hızla gelişmesi, mevcut şifreleme sistemlerini tehdit ediyor. Araştırmacılar, kuantum-sonrası şifreleme teknolojisinin tek başına yeterli olmadığını, düzenleyici politikaların da acil güncellenmesi gerektiğini vurguluyor. Statik şifreleme varsayımlarına dayanan mevcut uyumluluk modelleri, uzun vadeli kuantum risklerine karşı yetersiz kalıyor. 6G'nin güvenli bir şekilde hayata geçirilmesi için teknik çözümlerin yanında küresel düzenlemelerin de yeniden tasarlanması kritik önem taşıyor.

Fizik simülasyonlarında hızlı sonuç veren yapay sinir ağları, siber saldırılara karşı oldukça savunmasız durumda. Özellikle güvenlik kritik dijital ikiz uygulamalarında bu durum ciddi riskler yaratıyor. Araştırmacılar, bu sorunu çözmek için iki farklı yaklaşımı birleştiren yenilikçi bir savunma stratejisi geliştirdi. Sistem, hem aktif öğrenme tabanlı veri üretimi hem de giriş verilerini temizleyen özel mimari kullanıyor. Viscous Burgers denklemi üzerinde yapılan testlerde, yeni yaklaşım standart eğitim yöntemlerine kıyasla %87 daha iyi performans gösterdi ve güvenlik açıklarını önemli ölçüde azalttı.

Otonom sistemlerde güvenlik kısıtlamalarının korunması için kullanılan güvenlik filtrelerinin performansını artıran yeni bir yöntem geliştirildi. Araştırmacılar, Pontryagin Maksimum Prensibi kullanarak güvenlik ihlallerini zar zor önleyen sınır yörüngelerini karakterize etti. Bu yaklaşım, öğrenme tabanlı Hamilton-Jacobi Erişilebilirlik sistemlerinde veri toplama sürecini yönlendirerek, güvenlik açısından kritik durumlar yakınında öğrenme çabalarını yoğunlaştırıyor. Geliştirilen Kontrol Bariyeri Değer Fonksiyonu doğrudan güvenlik filtrelemesi için kullanılabiliyor. Yöntem, özellikle yüksek boyutlu karmaşık sistemlerde kısıt ihlallerine yol açabilecek durumları içeren bilgilendirici verilerin örneklenmesi sorununa çözüm getiriyor. Otonom araç yarışı uygulamasında yapılan deneysel doğrulamalar, PMP örnekleme yönteminin öğrenme verimliliğini artırdığını, daha hızlı yakınsama sağladığını ve başarısızlık oranlarını azalttığını gösterdi.