論文の概要: Verifiable Sustainability in Data Centers
- arxiv url: http://arxiv.org/abs/2307.11993v3
- Date: Fri, 12 Jan 2024 05:30:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-16 00:19:32.463067
- Title: Verifiable Sustainability in Data Centers
- Title(参考訳): データセンターにおける検証可能なサステナビリティ
- Authors: Syed Rafiul Hussain, Patrick McDaniel, Anshul Gandhi, Kanad Ghose,
Kartik Gopalan, Dongyoon Lee, Yu David Liu, Zhenhua Liu, Shuai Mu and Erez
Zadok
- Abstract要約: データセンターには、実施と運用の両方において重要なエネルギー需要があり、有害な持続可能性に影響を及ぼす。
検証可能な持続可能性データの収集、集約、報告のための現在の技術とツールは、サイバー攻撃や誤用に対して脆弱である。
本稿では,これらの要求に対処するためのセキュリティ上の課題と研究の方向性について概説する。
- 参考スコア(独自算出の注目度): 8.53146020727443
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data centers have significant energy needs, both embodied and operational,
affecting sustainability adversely. The current techniques and tools for
collecting, aggregating, and reporting verifiable sustainability data are
vulnerable to cyberattacks and misuse, requiring new security and
privacy-preserving solutions. This paper outlines security challenges and
research directions for addressing these pressing requirements.
- Abstract(参考訳): データセンターには、実施と運用の両方において重要なエネルギー需要があり、持続可能性に悪影響を及ぼす。
検証可能なサステナビリティデータの収集、集約、報告のための現在の技術とツールは、サイバー攻撃や誤用に対して脆弱であり、新しいセキュリティとプライバシ保護ソリューションを必要とする。
本稿では,これらの要求に対処するためのセキュリティ上の課題と研究の方向性について概説する。
関連論文リスト
- Critical Infrastructure Protection: Generative AI, Challenges, and Opportunities [3.447031974719732]
クリティカル・ナショナル・インフラストラクチャー(CNI)は、社会と経済の運営に不可欠な国家の基本資産を包含している。
これらのインフラを標的とするサイバーセキュリティの脅威が拡大すると、作戦に干渉し、国家の安全と公共の安全を危うくする可能性がある。
我々は、サイバーセキュリティのリスクが重要なインフラにもたらす複雑な問題を調査し、異なるタイプのサイバー攻撃に対するシステムの脆弱性を強調した。
論文 参考訳(メタデータ) (2024-05-08T08:08:50Z) - Best Practices and Lessons Learned on Synthetic Data for Language Models [83.63271573197026]
AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。
合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
論文 参考訳(メタデータ) (2024-04-11T06:34:17Z) - Information Security and Privacy in the Digital World: Some Selected Topics [1.3592237162158234]
スパイラルで偽の情報を識別し、機密データのプライバシーを保護する上で、新たな課題に直面している。
この本は、コンピュータと通信における暗号とセキュリティの分野における最先端の研究成果をいくつか紹介する。
論文 参考訳(メタデータ) (2024-03-30T03:52:58Z) - Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-24T19:32:39Z) - Exploring responsible applications of Synthetic Data to advance Online
Safety Research and Development [0.0]
合成データの利用は、オンラインの安全研究と開発を加速する機会を提供する。
本報告では、合成データのオンライン安全分野への応用の可能性について検討し、この技術の効果的な利用がもたらす倫理的課題に対処する。
論文 参考訳(メタデータ) (2024-02-07T14:39:06Z) - Position Paper: Assessing Robustness, Privacy, and Fairness in Federated
Learning Integrated with Foundation Models [39.86957940261993]
ファンデーションモデル(FM)をフェデレートラーニング(FL)に統合することは、堅牢性、プライバシ、公正性の点で新しい問題をもたらす。
我々は、関連するトレードオフを分析し、この統合によってもたらされる脅威と問題を明らかにし、これらの課題をナビゲートするための一連の基準と戦略を提案する。
論文 参考訳(メタデータ) (2024-02-02T19:26:00Z) - Trust-based Approaches Towards Enhancing IoT Security: A Systematic Literature Review [3.0969632359049473]
本研究は,IoTに対するTrustベースのサイバーセキュリティセキュリティアプローチについて,系統的な文献レビューを行う。
我々は、これらの脅威に対処するために存在する共通の信頼に基づく緩和テクニックを強調した。
いくつかのオープンな問題が強調され、将来の研究の方向性が提示された。
論文 参考訳(メタデータ) (2023-11-20T12:21:35Z) - The Last Decade in Review: Tracing the Evolution of Safety Assurance
Cases through a Comprehensive Bibliometric Analysis [7.431812376079826]
安全保証は、自動車、航空宇宙、原子力など、様々な分野において最重要事項である。
安全保証ケースを使用することで、生成されたシステム機能の正しさを検証することができ、システム障害を防止することができる。
論文 参考訳(メタデータ) (2023-11-13T17:34:23Z) - Towards Robust Offline Reinforcement Learning under Diverse Data
Corruption [46.16052026620402]
暗黙的なQ-ラーニング(IQL)は、様々なオフラインRLアルゴリズムにおいて、データの破損に対して顕著なレジリエンスを示す。
より堅牢なオフラインRLアプローチであるRobust IQL(RIQL)を提案する。
論文 参考訳(メタデータ) (2023-10-19T17:54:39Z) - Auditing and Generating Synthetic Data with Controllable Trust
Trade-offs [54.262044436203965]
合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。
バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。
多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
論文 参考訳(メタデータ) (2023-04-21T09:03:18Z) - AI-Empowered Data Offloading in MEC-Enabled IoV Networks [40.75165195026413]
本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。
MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
論文 参考訳(メタデータ) (2022-03-31T09:31:53Z)
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。