Araştırmacılar, federe öğrenme sistemlerinde cihaz arızalarının yarattığı adaletsizlik sorununu çözmek için yeni bir yaklaşım geliştirdi. Mevcut Olasılıksal Senkron Paralel (PSP) yönteminin, sürekli erişilebilir cihazları kayırdığını ve mobil cihazlar gibi sık arıza yapan cihazların verilerini ihmal ettiğini ortaya koyan çalışma, bu durumun öğrenme performansını ciddi şekilde etkilediğini gösteriyor. Özellikle veri dağılımı ile cihaz erişilebilirliğinin aynı anda ilişkili olduğu durumlarda, belirli veri sınıflarının sistematik olarak eksik temsil edilmesi sorunu yaşanıyor. Bu durum, yapay zeka modellerinin bazı özellikleri öğrenmekte zorlanmasına ve genel performansın düşmesine neden oluyor. Yeni araştırma, bu adaletsizlik problemine çözüm getirmeyi hedefliyor.

Araştırmacılar, karmaşık bilgisayar programlarının doğruluğunu kanıtlamak için Foxtrot adında yenilikçi bir mantık sistemi geliştirdi. Bu sistem, hem eş zamanlı çalışan programları hem de olasılıklı hesaplamaları bir arada analiz edebilen ilk üst düzey ayrım mantığı. Foxtrot, standart eş zamanlılık mantığından değişmezlik ve hayalet kaynak gibi ilkeleri miras alırken, karmaşık olasılık dağılımlarını analiz etmek için gelişmiş probabilistik akıl yürütme teknikleri sunuyor. Sistemin en büyük yeniliği, olasılık ve eş zamanlılığı birleştiren programların bağlamsal iyileştirmesini kanıtlayabilmesi. Bu gelişme, özellikle güvenlik açısından kritik uygulamalarda ve yapay zeka sistemlerinde kullanılan karmaşık algoritmların doğruluğunu garanti etmek açısından büyük önem taşıyor.

Araştırmacılar, 24 saat güvenlik gözetimi için kritik öneme sahip görünür ve kızılötesi kamera sistemlerinde kişi tanıma teknolojisini geliştiren yeni bir yapay zeka algoritması tasarladı. Mevcut sistemler pahalı etiketlenmiş veriler gerektirirken, yeni yaklaşım etiketlenmemiş video kayıtlarından doğrudan öğrenebiliyor. Geleneksel yöntemler farklı kamera türleri arasında kimlik karışıklığı ve dengesiz kümeleme sorunları yaşıyor. Bu sorunları çözmek için geliştirilen 'Nedensel Önyükleme Hizalama' yöntemi, görünür ve kızılötesi görüntüler arasında daha güvenilir eşleştirmeler yapabiliyor. Teknoloji, havaalanları, alışveriş merkezleri ve şehir güvenlik sistemleri gibi alanlarda gündüz-gece kesintisiz izleme kapasitesini artırabilir.

Araştırmacılar, insanların yapay zeka chatbotlarından aldıkları kişisel tavsiyeleri ne ölçüde takip ettiğini ve bunun refah düzeylerine etkisini inceledi. 6.474 kişiyle yapılan kapsamlı çalışmada, katılımcıların %79'unun GPT-4o, LLama ve Gemini gibi AI sistemlerinden aldıkları sağlık, kariyer ve ilişki tavsiyelerini uyguladığı görüldü. Yüksek riskli önerilerde bile takip oranı %60'ın üzerinde kaldı. Bu durum, insanların AI tavsiyelerine güvenirken potansiyel sonuçları yeterince değerlendirmediğini gösteriyor. AI'ların verdiği tavsiyeler güvenlik standartlarını karşılasa da, 2-3 hafta sonraki takipte katılımcıların refah düzeylerinde kalıcı bir iyileşme gözlenmedi. Çalışma, AI danışmanlığının popülerliği ile etkinliği arasındaki boşluğu ortaya koyuyor.

Güvenlik araştırmacıları, Apple Intelligence'ın güvenlik sisteminde ciddi bir açık keşfetti. 'Serpent' adı verilen bu saldırı yöntemi, kullanıcıların cihazlarından erişim tokenlarını çalarak bunları farklı cihazlarda kullanmayı mümkün kılıyor. Apple'ın yapay zeka hizmeti, anonim erişim tokenleri kullanarak iki aşamalı güvenlik sistemiyle kullanıcı gizliliğini korumayı hedefliyordu. Ancak araştırma, bu koruma mekanizmasının traffic analizi, tersine mühendislik ve Apple'ın resmi belgelerinin karşılaştırılması yoluyla aşılabileceğini gösteriyor. En güncel macOS 26 Tahoe sürümünde bile başarılı saldırılar gerçekleştirilen bu keşif, yapay zeka hizmetlerinin güvenlik mimarilerinde köklü revizyonlara ihtiyaç olduğunu ortaya koyuyor. Çalıntı tokenlar, mağdurun kullanım limitlerini tüketerek ek zararlara yol açabiliyor.

Yazılım tedarik zinciri güvenliğinde kritik öneme sahip SBOM (Yazılım Malzeme Listesi) araçlarının etkinliği, ciddi doğruluk sorunları nedeniyle sorgulanıyor. 2.414 açık kaynak kod deposu üzerinde yapılan kapsamlı araştırma, güvenlik tarayıcılarının şaşırtıcı derecede yüksek yanlış pozitif oranlarla çalıştığını ortaya koyuyor. Çalışma, güçlü paket yöneticileri kullanılarak doğru SBOM'lar oluşturulabileceğini gösteriyor ancak asıl sorunun güvenlik tarayıcılarında olduğunu belirtiyor. Araştırmacılar, erişilemeyen kod parçalarındaki güvenlik açıklarının işaretlenmesinin ana neden olduğunu tespit ederek, fonksiyon çağrı analizi ile bu sorunun büyük ölçüde çözülebileceğini kanıtlıyor.

Araştırmacılar, siber güvenlik alanında önemli bir yenilik olan Half-Moon Cookie sistemini geliştirdi. Bu yeni framework, zararlı içeriklerin tespiti için kullanılan kara liste kontrollerini, kullanıcı gizliliğini koruyarak gerçekleştiriyor. Geleneksel sistemlerde ya kara liste herkese açık olmak zorunda ya da kullanıcılar sorgu bilgilerini sunucuyla paylaşmak durumundaydı. Yeni sistem ise her iki sorunu da çözüyor. Sistem, bir öğenin kara listede bulunan elementlere yakın olup olmadığını metrik uzayda kontrol edebiliyor. En önemli özelliği, embedding adımını kara liste kontrolünden ayırarak performansı önemli ölçüde artırması. Ayrıca daha önce kontrol edilmiş öğelerin tekrar doğrulanması için çok hızlı bir mekanizma sunuyor. Bu sayede kritik uygulamalarda gecikme olmadan güvenlik kontrolü yapılabiliyor.

Araştırmacılar, optimal kontrol sistemi kullanan otonom araçlar ve robotlar için yeni bir güvenlik doğrulama algoritması geliştirdi. Çalışma, optimal kontrolörlerin her zaman mükemmel çözüm bulamayabileceği gerçeğinden hareketle, bu durumlarda bile sistemlerin güvenli kalmasını sağlayacak bir erişebilirlik analizi sunuyor. Gradyan inişi algoritmalarını ayrı bir dinamik sistem olarak ele alan yöntem, fiziksel sistemle birlikte çalışarak kontrolörlerin gerçek zamanlı performansını değerlendiriyor. Bu yaklaşım, karmaşıklaşan sistem dinamikleri ve hesaplama kısıtları altında çalışan otonom sistemlerin güvenliğini garanti altına almak için kritik önem taşıyor.

Araştırmacılar, mobil uygulamaların Google Play mağazasındaki veri güvenliği beyanları ile gizlilik politikaları arasındaki tutarsızlıkları otomatik olarak tespit eden yeni bir yapay zeka sistemi geliştirdiler. PolicyGapper adı verilen bu sistem, büyük dil modellerini kullanarak uygulamaların gerçek veri toplama uygulamaları ile kullanıcılara sundukları beyanlar arasındaki çelişkileri ortaya çıkarıyor. Araştırma, popüler uygulamaların neredeyse %80'inin eksik veya yanıltıcı gizlilik beyanları içerdiğini göstermişti. Bu yeni teknoloji, kullanıcı verilerinin korunması açısından kritik olan şeffaflık sorununa çözüm getirmeyi hedefliyor. Sistem, uygulama kodlarına erişim gerektirmeden sadece halka açık dokümanları analiz ederek çalışıyor.

Araştırmacılar, yapay zeka modellerinin eğitimi için güvenli sentetik veri üretiminde çığır açan bir yöntem geliştirdi. DPDSyn adlı bu yaklaşım, diferansiyel gizlilik prensiplerine uygun olarak veri setleri oluşturmak için yeni bir strateji benimsiyor. Geleneksel yöntemler, orijinal verinin düşük boyutlu dağılımlarını seçerek sentetik veri üretmeye odaklanırken, bu yaklaşım doğrudan görev odaklı bir model kullanıyor. Yöntem, önce orijinal veri seti üzerinde diferansiyel gizliliği koruyan bir AI modeli eğitiyor, ardından bu modeli kullanarak yeni veri setleri sentezliyor. Bu yaklaşım, uygun düşük boyutlu dağılımları seçme zorluğunu ortadan kaldırarak, sentetik verinin kullanılabilirliğini artırmayı hedefliyor. Diferansiyel gizlilik, verinin bireysel mahremiyetini korurken istatistiksel analizlere olanak tanıyan önemli bir güvenlik konsepti.

Araştırmacılar, büyük dil modelleriyle çalışan yapay zeka ajanlarının daha akıllıca araç seçmesini sağlayan yeni bir yöntem geliştirdi. Dinamik Araç Bağımlılığı Alma (DTDR) adı verilen bu yaklaşım, geleneksel yöntemlerin aksine hem başlangıç sorgusu hem de gelişen görev bağlamını dikkate alarak araç seçimi yapıyor. Özellikle mobil cihazlardaki yapay zeka asistanları için tasarlanan bu hafif yöntem, çok adımlı araç bağımlılıklarını modelleyerek daha doğru ve verimli sonuçlar elde edilmesini sağlıyor. Mevcut statik yöntemler yetersiz kaldığında, DTDR dinamik olarak uyum sağlayarak gereksiz araçların seçimini engelliyor ve sistem performansını artırıyor.