Fugu-MT 論文翻訳(概要): A Policy Driven AI-Assisted PoW Framework

論文の概要: A Policy Driven AI-Assisted PoW Framework

arxiv url: http://arxiv.org/abs/2203.10698v1
Date: Mon, 21 Mar 2022 01:36:55 GMT
ステータス: 処理完了
システム内更新日: 2022-03-22 18:08:59.341313
Title: A Policy Driven AI-Assisted PoW Framework
Title（参考訳）: ポリシー駆動型AI支援PoWフレームワーク
Authors: Trisha Chakraborty, Shaswata Mitra, Sudip Mittal, Maxwell Young
Abstract要約: 現在のProof of Work (PoW)ベースのサイバーディフェンスシステムは、任意の数学的パズルを解くために、入ってくるネットワーク要求を必要とする。本稿では,IPトラフィックに基づく機能を活用した人工知能支援PoWフレームワークを導入し,適応型パブリッシャに通知し,難易度が変化するパズルを生成する。
参考スコア（独自算出の注目度）: 0.22940141855172028
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Proof of Work (PoW) based cyberdefense systems require incoming network requests to expend effort solving an arbitrary mathematical puzzle. Current state of the art is unable to differentiate between trustworthy and untrustworthy connections, requiring all to solve complex puzzles. In this paper, we introduce an Artificial Intelligence (AI)-assisted PoW framework that utilizes IP traffic based features to inform an adaptive issuer which can then generate puzzles with varying hardness. The modular framework uses these capabilities to ensure that untrustworthy clients solve harder puzzles thereby incurring longer latency than authentic requests to receive a response from the server. Our preliminary findings reveal our approach effectively throttles untrustworthy traffic.
Abstract（参考訳）: Proof of Work (PoW)ベースのサイバー防御システムは、任意の数学的パズルを解決するために、入ってくるネットワーク要求を必要とする。現代の芸術は信頼に値するものと信頼できないものとを区別できず、複雑なパズルを全て解決しなければならない。本稿では,ipトラフィックに基づく機能を利用して適応型イシューを知らせる人工知能(ai)支援powフレームワークを提案する。モジュールフレームワークはこれらの機能を使用して、信頼できないクライアントが難しいパズルを解決し、サーバからのレスポンスを受け取るための真の要求よりも長いレイテンシを発生させる。予備的な調査結果から,信頼できないトラフィックを効果的に抑制する手法が明らかになった。

関連論文リスト

AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文参考訳（メタデータ） (2024-11-19T12:51:17Z)
Solving Zebra Puzzles Using Constraint-Guided Multi-Agent Systems [25.0042181817455]
本稿では,大言語モデルとオフ・ザ・シェルフ定理証明器を統合したマルチエージェントシステムZPSを紹介する。このシステムは、問題をより小さく管理可能な部分に分割することで、複雑なパズル解決作業に取り組む。また,問題解の正当性を評価するための自動グリッドパズルグレーダを導入し,ユーザスタディで評価することで,自動グレーダが信頼性が高いことを示す。
論文参考訳（メタデータ） (2024-07-04T14:22:25Z)
Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文参考訳（メタデータ） (2023-12-22T17:57:57Z)
Large Language Model Guided Tree-of-Thought [0.0]
自動回帰型大規模言語モデル(LLM)の問題解決能力向上を目的とした新しいアプローチであるTree-of-Thought(ToT)フレームワークを導入する。 ToTテクニックは、試行錯誤によって複雑な推論タスクを解決するための人間の心のアプローチにインスパイアされている。実験結果から,ToTフレームワークはスドクパズル解法の成功率を大幅に向上させることができることがわかった。
論文参考訳（メタデータ） (2023-05-15T01:18:23Z)
Automated Graph Genetic Algorithm based Puzzle Validation for Faster Game Desig [69.02688684221265]
本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
論文参考訳（メタデータ） (2023-02-17T18:15:33Z)
CAPoW: Context-Aware AI-Assisted Proof of Work based DDoS Defense [0.0]
通信中に遅延を適応的に注入するコンテキスト対応のアンチDDoSフレームワークであるCAPoWを紹介する。 CAPoWでは、セキュリティ専門家が、AIシステムによって学習可能な関連する要求コンテキスト属性を定義することができる。これらのコンテキスト属性には、IPアドレス、時間、フローレベル情報などのユーザリクエストに関する情報が含まれ、受信リクエストのコンテキストスコアを生成するために使用される。
論文参考訳（メタデータ） (2023-01-27T15:06:41Z)
Are Deep Neural Networks SMARTer than Second Graders? [85.60342335636341]
6～8歳児を対象としたビジュオ言語パズルの解法において,ニューラルネットワークの抽象化,推論,一般化能力の評価を行った。我々のデータセットは101のユニークなパズルで構成されており、各パズルは絵の質問で構成されており、それらの解には算術、代数学、空間推論を含むいくつかの基本的なスキルが混在している必要がある。実験により、強力なディープモデルは教師付き設定でパズルに合理的な性能を与えるが、一般化のために解析するとランダムな精度よりは良くないことが明らかになった。
論文参考訳（メタデータ） (2022-12-20T04:33:32Z)
Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。 HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
論文参考訳（メタデータ） (2022-08-31T17:47:22Z)
Semantic-aware Modular Capsule Routing for Visual Question Answering [55.03883681191765]
SuPER と呼ばれるセマンティック・アウェアな modUlar caPsulE フレームワークを提案する。 5つのベンチマークデータセットに対して提案した SUPER スキームの有効性と一般化能力を比較検討した。
論文参考訳（メタデータ） (2022-07-21T10:48:37Z)
Quantum Computing for Artificial Intelligence Based Mobile Network Optimization [0.0]
本稿では,人工知能における制約満足度問題の概念を用いて,特定の無線アクセスネットワーク最適化問題をモデル化する方法について論じる。ケーススタディでは、重要なLTE/NR物理ランダムアクセスチャネル構成に関連する自動化ユースケースであるルートシーケンスインデックス(RSI)割り当て問題について論じる。本稿では,商用モバイルネットワークから取得したデータを用いて構築した2次非制約バイナリ最適化(QUBO)問題としてRSI割り当てを定式化し,クラウドベースの商用量子コンピューティングプラットフォームを用いて解決する。
論文参考訳（メタデータ） (2021-06-26T01:05:43Z)
Puzzle-AE: Novelty Detection in Images through Solving Puzzles [8.999416735254586]
U-Netはこの目的のために有効であることが証明されているが、他のAEベースのフレームワークと同様の再構成エラーを使用することでトレーニングデータに過度に適合する。この課題に基づいてU-Netをトレーニングすることは、過剰適合を防止し、ピクセルレベルの機能を超えた学習を容易にする効果的な治療法であることを示す。本稿では,効率的な自動ショートカット除去法として,対向的ロバストトレーニングを提案する。
論文参考訳（メタデータ） (2020-08-29T10:53:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。