Hot News

నేటి మరియు రేపటి పరిస్థితులలో AI సిస్టమ్‌లను సురక్షితం చేయడం

ప్రచురించిన “AI క్వాంటం రెసిలెన్స్” అనే ఈబుక్‌లో సాక్ష్యం ఉదహరించబడింది ఉటిమాకో (ఇమెయిల్ వాల్), సంస్థలు తమ వద్ద ఉన్న డేటాపై AIని సమర్థవంతంగా స్వీకరించడానికి భద్రతా ప్రమాదాలను ప్రధాన అవరోధంగా పరిగణిస్తున్నట్లు చూపిస్తుంది.

AI యొక్క విలువ సంస్థ సేకరించిన డేటాపై ఆధారపడి ఉంటుంది. అయినప్పటికీ, నమూనాలను రూపొందించడం మరియు ఆ డేటాపై వారికి శిక్షణ ఇవ్వడం వలన భద్రతాపరమైన ప్రమాదాలు ఉన్నాయి. ఈ ప్రమాదాలు అనుమితి పాయింట్ చుట్టూ ఉన్న మేధో సంపత్తికి మెరుగైన-ప్రచురితమైన బెదిరింపులకు అదనంగా ఉంటాయి (ఉదాహరణకు ప్రాంప్ట్ ఇంజనీరింగ్).

సంస్థలు తమ AI అభివృద్ధి మరియు అమలు ప్రక్రియల అంతటా బెదిరింపులను నిర్వహించాలని eBook రచయితలు పేర్కొన్నారు. అదే సమయంలో, కంపెనీలు తమ భద్రతా ప్రోటోకాల్‌లను మార్చడానికి సిద్ధంగా ఉండగలవు, క్వాంటం కంప్యూటింగ్-పవర్డ్ డిక్రిప్షన్ సాధనాలు చెడు నటులకు సులభంగా అందుబాటులోకి వస్తే మార్పులు తప్పనిసరి.

ఉటిమాకో ముప్పులో ఉన్న మూడు ప్రాంతాలను జాబితా చేస్తుంది:

  • శిక్షణ డేటాను చెడు నటులు తారుమారు చేయవచ్చు, మోడల్ అవుట్‌పుట్‌లను దిగజార్చడం గుర్తించడం కష్టం,
  • మోడల్‌లను సంగ్రహించవచ్చు లేదా కాపీ చేయవచ్చు, మేధో సంపత్తి హక్కులను నాశనం చేయవచ్చు,
  • శిక్షణ లేదా అనుమితి సమయంలో ఉపయోగించిన సున్నితమైన డేటాను బహిర్గతం చేయవచ్చు.

ప్రస్తుత పబ్లిక్ కీ క్రిప్టోగ్రఫీ రాబోయే పదేళ్లలో హాని కలిగిస్తుంది, నివేదిక రచయితలు ధృవీకరిస్తున్నారు; సామర్థ్యం గల క్వాంటం వ్యవస్థలు ఉద్భవించే కాలం. టైమ్‌స్కేల్‌తో సంబంధం లేకుండా, మెరుగైన వ్యవస్థీకృత సమూహాలు ప్రస్తుతం ఎన్‌క్రిప్టెడ్ డేటాను సేకరిస్తాయి మరియు క్వాంటం సౌకర్యాలు అందుబాటులోకి వచ్చినప్పుడు లేదా డీక్రిప్ట్ చేయడానికి నిల్వ చేస్తాయి. మోడల్ శిక్షణ డేటా, ఆర్థిక రికార్డులు లేదా మేధో సంపత్తితో సహా దీర్ఘకాలిక సున్నితత్వం కలిగిన ఏదైనా డేటాసెట్‌కు భవిష్యత్తులో డిక్రిప్షన్ నుండి రక్షణ అవసరం కావచ్చు, కాబట్టి, ఉటిమాకో చెప్పారు.

క్వాంటం-రెసిస్టెంట్ క్రిప్టోగ్రఫీకి మైగ్రేషన్ ప్రోటోకాల్‌లు, కీ మేనేజ్‌మెంట్, సిస్టమ్ ఇంటర్‌ఆపెరాబిలిటీ మరియు పనితీరును ప్రభావితం చేస్తుంది, కాబట్టి ఏదైనా వలసలకు చాలా సంవత్సరాలు పట్టే అవకాశం ఉంది. నివేదిక యొక్క రచయితలు వారు ‘క్రిప్టో-చురుకుదనం’ అనే పదాన్ని సూచిస్తారు, ఇది అంతర్లీన వ్యవస్థలను పునఃరూపకల్పన చేయకుండా క్రిప్టోగ్రాఫిక్ అల్గారిథమ్‌లను మార్చడం అని నిర్వచిస్తుంది. ‘క్రిప్టో-చురుకుదనం’ అనేది హైబ్రిడ్ క్రిప్టోగ్రఫీ సూత్రంపై ఆధారపడి ఉంటుంది – NIST సూచించిన వాటి వంటి పోస్ట్-క్వాంటం పద్ధతులతో ఏర్పాటు చేసిన అల్గారిథమ్‌లను కలపడం.

ఈబుక్ రచయితలు క్రిప్టోగ్రఫీ తనంతట తానుగా ప్రమాదానికి సంబంధించిన అన్ని రంగాలను పరిష్కరించలేదని అంగీకరిస్తున్నారు. క్రిప్టోగ్రాఫిక్ కీలు మరియు సున్నితమైన కార్యకలాపాలను సాధారణ పని పరిసరాల నుండి వేరు చేయగల హార్డ్‌వేర్-ఆధారిత విశ్వసనీయ పరికరాల వినియోగాన్ని ఇది సమర్ధిస్తుంది.

కంపెనీలు తమ స్వంత AI సాధనాలు మరియు ప్రక్రియలను అభివృద్ధి చేస్తున్నట్లయితే, ఆ ప్రాతిపదికన రక్షణ AI జీవితచక్రం అంతటా, డేటా తీసుకోవడం నుండి శిక్షణ, మోడల్ విస్తరణ మరియు ఉత్పత్తిలో అనుమితి వరకు విస్తరించాలి. డేటాను గుప్తీకరించడానికి మరియు నమూనాలను సైన్ చేయడానికి ఉపయోగించే హార్డ్‌వేర్ కీలు సరిహద్దులో ఉత్పత్తి చేయబడతాయి మరియు నిల్వ చేయబడతాయి. నమూనా సమగ్రతను అమలు చేయడానికి ముందు ధృవీకరించవచ్చు మరియు అనుమితి సమయంలో ప్రాసెస్ చేయబడిన సున్నితమైన డేటా రక్షించబడుతుంది.

హార్డ్‌వేర్ ఆధారిత ఎన్‌క్లేవ్‌లు పనిభారాన్ని వేరు చేస్తాయి, తద్వారా తగిన అధికారాలు ఉన్న సిస్టమ్ అడ్మినిస్ట్రేటర్‌లు కూడా ప్రాసెస్ చేయబడే డేటాలో దేనినీ యాక్సెస్ చేయలేరు. హార్డ్‌వేర్ మాడ్యూల్‌లు కీలను విడుదల చేయడానికి ముందు డేటా ఎన్‌క్లేవ్ విశ్వసనీయ స్థితిలో ఉందని ధృవీకరించగలవు – బాహ్య ధృవీకరణ ప్రక్రియ – హార్డ్‌వేర్ నుండి అప్లికేషన్ వరకు ‘విశ్వాసం యొక్క గొలుసు’ను రూపొందించడంలో సహాయపడుతుంది.

హార్డ్‌వేర్-ఆధారిత కీ మేనేజ్‌మెంట్ EU AI చట్టం వంటి సమ్మతి ఫ్రేమ్‌వర్క్‌లకు మద్దతు ఇవ్వడానికి యాక్సెస్ మరియు ఆపరేషన్‌లను కవర్ చేసే ట్యాంపర్-రెసిస్టెంట్ లాగ్‌లను ఉత్పత్తి చేస్తుంది.

AI సిస్టమ్స్‌లో అంతర్గతంగా ఉన్న అనేక ప్రమాదాలు ఇప్పటికే ఉపయోగించబడకపోతే బాగా తెలుసు. ప్రస్తుతం సురక్షితంగా పరిగణించబడుతున్న డేటాను డీక్రిప్ట్ చేసే క్వాంటం కంప్యూటింగ్ సామర్థ్యం నుండి వచ్చే ప్రమాదం తక్షణమే తక్కువగా ఉంటుంది, అయితే ఈరోజు తీసుకున్న డేటా మరియు ఇన్‌ఫ్రాస్ట్రక్చర్ నిర్ణయాలపై చిక్కులు ప్రభావం చూపుతాయని ఉటిమాకో పేర్కొంది. ఇది సమర్థిస్తుంది:

  • AI అభివృద్ధి మరియు విస్తరణ జీవితచక్రం అంతటా నియంత్రణలను బలోపేతం చేయడం,
  • పోస్ట్-క్వాంటం భద్రతకు పరివర్తనను అనుమతించడానికి ‘క్రిప్టో-చురుకుదనం’ పరిచయం,
  • అధిక-విలువ ఆస్తులు ఆటలో ఉన్న ప్రతిచోటా హార్డ్‌వేర్-ఆధారిత ట్రస్ట్ మెకానిజమ్‌లను ఏర్పాటు చేయడం.

(చిత్ర మూలం: నేషనల్ ఇన్‌స్టిట్యూట్ ఆఫ్ హెల్త్ (NIH) ద్వారా “స్కానింగ్ ఎలక్ట్రాన్ మైక్రోగ్రాఫ్ ఆఫ్ అపోప్టోటిక్ హెలా సెల్” CC BY-NC 2.0 ప్రకారం లైసెన్స్ పొందింది. ఈ లైసెన్స్ కాపీని వీక్షించడానికి, https://creativecommons.org/licenses/by-nc/2.0ని సందర్శించండి)

పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్‌పో ఆమ్‌స్టర్‌డామ్, కాలిఫోర్నియా మరియు లండన్‌లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్‌లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.

AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్‌ప్రైజ్ టెక్నాలజీ ఈవెంట్‌లు మరియు వెబ్‌నార్‌లను అన్వేషించండి ఇక్కడ.

Source link

Leave a Reply

Your email address will not be published. Required fields are marked *

Top