Fransız matematikçi Pierre-Louis Lions'ın adını taşıyan ve akışkan mekaniğinde önemli bir yeri olan 'yoğunluk yaması problemi' kritik düzenlilik seviyesinde çözüldü. Araştırmacılar, vakumla çevrili sınırlı bir bölgede bulunan akışkanın davranışını Navier-Stokes denklemleriyle modelleyerek, sistemin global varlığını, tekliğini ve kararlılığını matematiksel olarak ispat ettiler. Bu çalışma, sıkışmayan akışkanların uzun vadeli dinamiklerinin katı cisim hareketi şeklinde gelişerek asimptotik bir alana dönüştüğünü gösteriyor. Sonuçlar, akışkan mekaniği ve kısmi diferansiyel denklemler teorisine önemli katkılar sunuyor.

Araştırmacılar, makine öğrenmesinde gizliliği korumak için kullanılan dominant yöntem olan Differentially Private Stochastic Gradient Descent'in (DP-SGD) temel sınırlarını ortaya çıkardı. Çalışma, f-diferansiyel gizlilik çerçevesinde yapılan analiz ile, gerçekten anlamlı gizlilik koruması sağlamak için algoritmanın performansında ciddi ödünler verilmesi gerektiğini matematiksel olarak kanıtladı. Bulgular, mevcut gizlilik-fayda dengesinin düşünüldüğünden çok daha kısıtlı olduğunu ve saldırganların avantajını sınırlamak için Gauss gürültü çarpanının artırılması gerektiğini gösteriyor. Bu durum, yapay zeka sistemlerinde hem yüksek performans hem de güçlü gizlilik koruması arayışının matematiksel olarak ne kadar zorlu olduğunu gözler önüne seriyor.

Araştırmacılar, kişisel verilerin gizliliğini korurken analiz yapılmasını sağlayan 'gizlilik filtreleri' konusunda önemli bir ilerleme kaydetti. Diferansiyel gizlilik mekanizmalarında kullanılan bu filtreler, analistlerin sorgularına göre uyarlanabilen dinamik yapılar sunuyor. Yeni geliştirilen 'artık filtreleri' teorisi, mevcut gizlilik filtrelerini birleştiren kapsamlı bir yaklaşım getiriyor. Çalışma, özellikle Gauss diferansiyel gizlilik filtresinde önemli iyileştirmeler sağladığını ve doğal filtrelerin daha verimli gizlilik bütçesi kullanımı vaat ettiğini gösteriyor. Bu gelişme, büyük veri analizlerinde gizlilik ve fayda arasındaki dengeyi optimize etmek açısından kritik öneme sahip.

Araştırmacılar, veritabanı sorgularında hem bireysel gizliliği koruyup hem de kurumsal güvenlik kurallarına uygunluk sağlayan yeni bir SQL kütüphanesi geliştirdi. DPSQL+ adlı sistem, diferansiyel gizlilik teknolojisini minimum frekans kuralıyla birleştirerek, veri analizlerinde çifte güvenlik sunuyor. Minimum frekans kuralı, yayınlanan her veri grubunun en az belirli sayıda farklı kişiden katkı içermesini zorunlu kılar. Bu yaklaşım, hassas verilerin analiz edilirken hem akademik gizlilik standartlarını hem de kurumsal yönetişim gereksinimlerini karşılaması sorununu çözüyor. Modüler yapısıyla farklı veritabanı sistemleriyle uyumlu çalışabilen kütüphane, veri bilimcilerin güvenli analiz yapmasını kolaylaştırıyor.

Araştırmacılar, hasta verilerini paylaşmadan hastaneler arası işbirliği sağlayan federe öğrenme yöntemiyle meme kanseri tespitinde çığır açan bir başarı elde etti. Çalışmada, gerçek ultrason görüntülerinin yanına yapay zeka tarafından üretilen sentetik görüntüler eklenerek modelin performansı önemli ölçüde artırıldı. Üç farklı veri setinde yapılan denemelerde, sentetik görüntülerin dengeli kullanımıyla tespit başarısı yüzde 94'lere kadar yükseldi. Bu yaklaşım, özellikle küçük veri setleri bulunan tıp kurumları için umut verici sonuçlar sunuyor ve hasta mahremiyetini korurken tanı kalitesini artırıyor.

Araştırmacılar, sürekli dinleme yapan AI asistanlarının gizlilik sorununu çözen yeni bir sistem geliştirdi. CONCORD adlı bu sistem, yalnızca sahibinin sesini kaydederek diğer kişilerin mahremiyetini koruyor. Ancak bu yaklaşım, konuşmanın bir tarafını kaçırdığı için eksik bilgi sorununa yol açıyor. Sistem bu sorunu, farklı AI asistanları arasında güvenli bilgi paylaşımı yaparak çözüyor. Konuşmadaki boşlukları tespit eden ve gerekli bilgileri diğer asistanlardan talep eden bu yaklaşım, hem gizliliği koruyor hem de asistanların daha etkili çalışmasını sağlıyor. Çok alanlı diyalog verilerinde %91,4 başarı oranına ulaşan sistem, AI asistanlarının sosyal ortamlarda daha güvenle kullanılabilmesinin önünü açıyor.

Araştırmacılar, sera işletmelerinin ticari sırlarını paylaşmadan birbirlerinden öğrenebileceği yeni bir yapay zeka sistemi geliştirdi. HierFedCEA adlı bu sistem, kontrollü tarım tesislerinin iklim verilerini gizli tutarken HVAC enerji tüketimini %30-38 oranında azaltabiliyor. Sistem, fizik yasalarından tesise özgü ekipman dinamiklerine kadar üç farklı seviyede öğrenme gerçekleştiriyor. Bu yaklaşım, yeni sera tesislerinin devreye alma süresini aylardan günlere indirgerken, işletmecilerin değerli tarım reçetelerinin gizliliğini de koruyor. Federe öğrenme ve diferansiyel gizlilik tekniklerini kullanan sistem, farklı tipteki seraların ortak bilgi havuzundan faydalanmasını sağlıyor.

Araştırmacılar, derin öğrenme modellerinin belirli bilgileri seçici ve güvenli şekilde unutmasını sağlayan yeni bir algoritma geliştirdi. Graph-Propagated Projection Unlearning (GPPU) adlı bu yöntem, görüntü ve ses işleme modellerinde istenmeyen sınıf bilgilerini kalıcı olarak silmeyi mümkün kılıyor. Sistem, graf tabanlı yayılım kullanarak özellik uzayında sınıfa özgü yönleri tespit ediyor ve bu bilgileri dik alt uzaya yansıtarak etkisiz hale getiriyor. Altı görüntü veri seti ve iki büyük ses veri seti üzerinde yapılan testlerde, GPPU'nun mevcut yöntemlere göre 10-20 kat daha hızlı çalıştığı ve hem CNN hem de Transformer mimarilerinde başarılı sonuçlar verdiği görüldü. Bu gelişme, veri mahremiyeti düzenlemeleri ve uyarlanabilir sistem tasarımı açısından büyük önem taşıyor.