論文の概要: CitySpec with Shield: A Secure Intelligent Assistant for Requirement
Formalization
- arxiv url: http://arxiv.org/abs/2302.09665v1
- Date: Sun, 19 Feb 2023 20:11:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 17:14:51.132874
- Title: CitySpec with Shield: A Secure Intelligent Assistant for Requirement
Formalization
- Title（参考訳）: cityspec with shield: 要求の形式化のためのセキュアなインテリジェントアシスタント
- Authors: Zirong Chen, Issa Li, Haoxiang Zhang, Sarah Preum, John A. Stankovic,
Meiyi Ma
- Abstract要約: 既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。
私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
- 参考スコア（独自算出の注目度）: 4.550811027560416
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An increasing number of monitoring systems have been developed in smart
cities to ensure that the real-time operations of a city satisfy safety and
performance requirements. However, many existing city requirements are written
in English with missing, inaccurate, or ambiguous information. There is a high
demand for assisting city policymakers in converting human-specified
requirements to machine-understandable formal specifications for monitoring
systems. To tackle this limitation, we build CitySpec, the first intelligent
assistant system for requirement specification in smart cities. To create
CitySpec, we first collect over 1,500 real-world city requirements across
different domains (e.g., transportation and energy) from over 100 cities and
extract city-specific knowledge to generate a dataset of city vocabulary with
3,061 words. We also build a translation model and enhance it through
requirement synthesis and develop a novel online learning framework with
shielded validation. The evaluation results on real-world city requirements
show that CitySpec increases the sentence-level accuracy of requirement
specification from 59.02% to 86.64%, and has strong adaptability to a new city
and a new domain (e.g., the F1 score for requirements in Seattle increases from
77.6% to 93.75% with online learning). After the enhancement from the shield
function, CitySpec is now immune to most known textual adversarial inputs
(e.g., the attack success rate of DeepWordBug after the shield function is
reduced to 0% from 82.73%). We test the CitySpec with 18 participants from
different domains. CitySpec shows its strong usability and adaptability to
different domains, and also its robustness to malicious inputs.
- Abstract（参考訳）: 都市のリアルタイム運用が安全と性能の要求を満たすことを保証するため、スマートシティで監視システムの開発が増えている。
しかし、既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠けている。
人為的要件をマシン理解可能な監視システムの形式仕様に変換する上で,都市政策立案者支援の需要が高まっている。
この制限に対処するため、スマートシティにおける要求仕様のための初のインテリジェントアシスタントシステムであるCitySpecを構築した。
CitySpecを作成するために、まず100以上の都市から異なる領域(例えば輸送とエネルギー)にわたる1500以上の都市要件を収集し、都市固有の知識を抽出し、3,061単語の都市語彙のデータセットを生成する。
また,要求合成による翻訳モデルの構築や,遮蔽バリデーションを用いた新しいオンライン学習フレームワークの開発も行なっている。
実世界の都市要件に対する評価結果は、CitySpecが要件仕様の文レベル精度を59.02%から86.64%に引き上げ、新しい都市と新しいドメインに強い適応性を持つことを示している(例えば、シアトルにおける要件F1スコアは、オンライン学習で77.6%から93.75%に増加した)。
シールド機能の強化後、CitySpecは最も知られているテキストの敵対的入力(例えば、シールド機能後のDeepWordBugの攻撃成功率は82.73%から0%に減少する)に免疫されている。
異なるドメインから18人の参加者でCitySpecをテストする。
CitySpecは、異なるドメインに対する強力なユーザビリティと適応性を示し、悪意のある入力に対する堅牢性を示している。
関連論文リスト
- 3D Question Answering for City Scene Understanding [12.433903847890322]
3Dマルチモーダル質問応答(MQA)は,知的エージェントが周囲を3D環境下で理解できるようにすることによって,シーン理解において重要な役割を担っている。
都市レベルのシーン理解のための3D MQAデータセットCity-3DQAを提案する。
新しいベンチマークを報告し,提案したSg-CityUはCity-3DQAの異なる設定で63.94 %と63.76 %の精度を達成する。
論文 参考訳（メタデータ） (2024-07-24T16:22:27Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering
and Beyond [69.37319723095746]
都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。
本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。
その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
論文 参考訳（メタデータ） (2023-09-28T16:06:02Z) - A Contextual Master-Slave Framework on Urban Region Graph for Urban
Village Detection [68.84486900183853]
都市域を階層的にモデル化する都市域グラフ(URG)を構築した。
そこで我々は,都市部をURGから効果的に検出する新しいコンテキスト・マスタ・スレーブ・フレームワークを設計した。
提案手法は,都市部における紫外線検出の一般性と特異性のバランスをとることができる。
論文 参考訳（メタデータ） (2022-11-26T18:17:39Z) - An Intelligent Assistant for Converting City Requirements to Formal
Specification [1.5267236995686557]
スマートシティにおける要求仕様のためのインテリジェントアシスタントシステムであるCitySpecを紹介する。
本研究の目的は,(1)CitySpecにおける要件のインタラクティブな完了,(2)CitySepcが例外に遭遇する間,CitySpecにおけるヒューマン・イン・ザ・ループの修正,(3)CitySpecにおけるオンライン学習の3つのデモを紹介することである。
論文 参考訳（メタデータ） (2022-06-14T20:26:20Z) - CitySpec: An Intelligent Assistant System for Requirement Specification
in Smart Cities [4.550811027560416]
既存の都市要件の多くは英語で書かれており、不正確、曖昧な情報が欠落している。
私たちは、スマートシティにおける要求仕様のための最初のインテリジェントアシスタントシステムであるCitySpecを構築します。
論文 参考訳（メタデータ） (2022-06-07T09:15:25Z) - Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer
Learning in Gridded Geo-Spatial Processes [61.16854022482186]
NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。
U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。
コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
論文 参考訳（メタデータ） (2022-03-31T14:40:01Z) - Worldwide city transport typology prediction with sentence-BERT based
supervised learning via Wikipedia [0.0]
世界の人口の大半は都市部や都市に住んでいる。
市の類型学を理解する価値はあるものの、ラベル付きデータ(都市とその類型学)は乏しい。
ウィキペディアのページにある情報をもとに,都市の類型を予測するための教師付き機械学習手法を提案する。
論文 参考訳（メタデータ） (2022-03-29T00:09:55Z) - Multi-Layered Diagnostics for Smart Cities [1.0828616610785522]
スマートシティは、交通パターン、エネルギー流通、空気の質などを改善するためにテクノロジーを使用している。
スマートシティの要素は、IT技術を市民の相互作用の多くの側面に統合することで、市民の利便性を高めることができる。
アメリカ、ヨーロッパ、シンガポール、韓国に実際に配備されている。
論文 参考訳（メタデータ） (2021-07-20T06:58:11Z) - The 5th AI City Challenge [51.83023045451549]
第5回AIシティチャレンジには38カ国305チームが参加した。
アルゴリズムの有効性と計算効率の両面で評価を行った。
結果は、スマートトランスポーテーションにおけるAIの約束を示している。
論文 参考訳（メタデータ） (2021-04-25T19:15:27Z) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。