الأبحاث المرتبطة بالكلمة المفتاحية: مشاركة سرية قابلة للتحقق
-
مسح لإثباتات عدم المعرفة القابلة للتحقق المعتمدة على التعلم الآلي
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Artificial Intelligence Review | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم هذه القسم نظرة عامة على المجال المتزايد لتعلم الآلة بدون معرفة (ZKML)، الذي يستفيد من إثباتات عدم المعرفة (ZKPs) لتعزيز نزاهة وسرية عمليات تعلم الآلة في البيئات السحابية. تتيح إثباتات عدم المعرفة لطرف واحد التحقق من أن عملية حسابية قد تمت بشكل صحيح دون الكشف عن بيانات حساسة أو معلمات نموذج ملكية. تستعرض الدراسة…
-
ثغرات تسميم البيانات عبر هياكل الذكاء الاصطناعي في الرعاية الصحية: إطار أمني تحليلي واستراتيجيات دفاعية
2026 | المؤلف: Farhad Abtahi وآخرون | المجلة: Journal of Medical Internet Research | المجال: الذكاء الاصطناعي (Artificial Intelligence)تسلط ورقة البحث الضوء على الثغرات الكبيرة في أنظمة الذكاء الاصطناعي (AI) في الرعاية الصحية، لا سيما فيما يتعلق بتسمم البيانات، والتي تفشل الدفاعات الحالية والأطر التنظيمية في معالجتها بشكل كافٍ. حدد تحليل التهديدات الشامل ثمانية سيناريوهات هجوم عبر أربع فئات، بما في ذلك الثغرات في الشبكات العصبية التلافيفية، ونماذج اللغة الكبيرة، وعوامل التعلم المعزز،…
-
من اللغة إلى الفعل: مراجعة لنماذج اللغة الكبيرة كعملاء مستقلين ومستخدمي أدوات
2026 | المؤلف: Sadia Sultana Chowa وآخرون | المجلة: Artificial Intelligence Review | المجال: الرؤية الحاسوبية والتعرف على الأنماط (Computer Vision and Pattern Recognition)تقدم هذه القسم نظرة شاملة على التقدم في نماذج اللغة الكبيرة (LLMs) كعملاء مستقلين، مع التركيز على قدراتهم في اتخاذ القرار والتكيف. تركز المراجعة على الأدبيات المنشورة بين عامي 2023 و2025، وتتناول سبعة أسئلة بحثية رئيسية تتعلق بتصميم هيكلية عملاء LLM، والتي يتم تصنيفها إلى أنظمة عميل واحد وأنظمة متعددة العملاء. تستكشف الآليات المعرفية لـ…
-
VeriFi: نحو إلغاء موثوق للفيدرالية
2024 | المؤلف: Xiangshan Gao وآخرون | المجلة: IEEE Transactions on Dependable and Secure Computing | المجال: طب الأعصاب (Neurology)تناقش هذه الفقرة النموذج الناشئ للتعلم الفيدرالي (FL)، الذي يمكّن المشاركين من تدريب النماذج بشكل تعاوني مع الحفاظ على خصوصية البيانات. جانب حاسم من FL هو تنفيذ الحق في النسيان (RTBF)، مما يسمح للمشاركين بطلب حذف بياناتهم من النموذج العالمي عند مغادرتهم. بينما تم تطوير طرق حديثة لإزالة التعلم على جانب الخادم لإزالة تدرجات المشاركين،…