“veri mahremiyeti” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Güvenli AI Sisteminde Kritik Güvenlik Açığı Keşfedildi
Araştırmacılar, yapay zeka modellerinin güvenli çıkarım yapması için tasarlanan Euston adlı sistemde ciddi bir güvenlik açığı tespit etti. IEEE güvenlik konferansında sunulan bu sistem, veri iletiminde yaklaşık 3 kata kadar bandwidth tasarrufu sağlıyordu. Ancak yeni araştırma, sistemin kullandığı tekli değer ayrışımı tabanlı protokolün, özel verilerin ifşa olmasına yol açabileceğini ortaya koydu. Model sahibi kişiler, kullanıcıların gizli verilerini kolayca elde edebiliyor. Bu keşif, güvenli AI sistemlerinin tasarımında mahremiyet korumasının ne kadar kritik olduğunu bir kez daha gözler önüne seriyor.
Trafik Tahmini İçin Kişiselleştirilmiş Yapay Zeka Sistemi Geliştirildi
Araştırmacılar, akıllı ulaşım sistemleri için gizliliği koruyarak trafik tahmininde bulunabilen yeni bir yapay zeka sistemi geliştirdi. AutoFed adlı bu sistem, federe öğrenme teknolojisini kullanarak farklı bölgelerin trafik verilerini paylaşmadan ortak bir model eğitiyor. Geleneksel yöntemlerin aksine, her bölgenin kendine özgü trafik özelliklerini dikkate alarak daha kişiselleştirilmiş tahminler sunuyor. Sistem, taksi hizmetleri, şehir planlama ve araç filo yönetimi gibi kritik alanlarda kullanılabilir. Araştırma, veri mahremiyeti endişelerinin yarattığı bilgi silosu problemine çözüm getirirken, her bölgenin farklı trafik davranışlarını da göz önünde bulunduruyor.
Yapay Zeka Modelleri Artık Öğrendiklerini Seçerek Unutabilecek
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.