Fugu-MT 論文翻訳(概要): Verifiable Sustainability in Data Centers

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

Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
認証サイクル冗長性チェック(ACRIC)を提案する。 ACRICは、追加のハードウェアを必要とせずに後方互換性を保持し、プロトコルに依存しない。 ACRICは最小送信オーバーヘッド(1ms)で堅牢なセキュリティを提供する。
論文参考訳（メタデータ） (2024-11-21T18:26:05Z)
SPOQchain: Platform for Secure, Scalable, and Privacy-Preserving Supply Chain Tracing and Counterfeit Protection [46.68279506084277]
この研究は、包括的なトレーサビリティと独創性検証を提供する、ブロックチェーンベースの新しいプラットフォームであるSPOQchainを提案する。プライバシとセキュリティの側面を分析し、サプライチェーンのトレーシングの将来に対するSPOQチェーンの必要性と資格を実証する。
論文参考訳（メタデータ） (2024-08-30T07:15:43Z)
Critical Infrastructure Security: Penetration Testing and Exploit Development Perspectives [0.0]
本稿では,重要なインフラのセキュリティに関する文献をレビューし,浸透試験と活用開発に焦点をあてる。この論文の発見は、重要なインフラや、サイバー敵による高度な脅威に固有の脆弱性を明らかにしている。このレビューは、継続的かつ積極的なセキュリティアセスメントの必要性を強調している。
論文参考訳（メタデータ） (2024-07-24T13:17:07Z)
Cyberattack Data Analysis in IoT Environments using Big Data [0.0]
私たちの研究は、相互運用性や標準化プロトコルなど、接続性やセキュリティ上の課題の増加に対処しています。セキュリティ脆弱性の詳細な分析では、攻撃行動、ネットワークトラフィック異常、TCPフラグの使用、ターゲット攻撃など、複雑なパターンと脅威を特定しました。
論文参考訳（メタデータ） (2024-06-14T02:12:43Z)
Confronting the Reproducibility Crisis: A Case Study of Challenges in Cybersecurity AI [0.0]
AIベースのサイバーセキュリティの重要な領域は、悪意のある摂動からディープニューラルネットワークを守ることに焦点を当てている。 VeriGauge ツールキットを用いて,認証されたロバスト性に関する先行研究の結果の検証を試みる。私たちの発見は、標準化された方法論、コンテナ化、包括的なドキュメントの緊急性の必要性を浮き彫りにしています。
論文参考訳（メタデータ） (2024-05-29T04:37:19Z)
Artificial Intelligence in Industry 4.0: A Review of Integration Challenges for Industrial Systems [45.31340537171788]
サイバー物理システム(CPS)は、予測保守や生産計画を含むアプリケーションに人工知能(AI)が活用できる膨大なデータセットを生成する。 AIの可能性を実証しているにもかかわらず、製造業のような分野に広く採用されていることは依然として限られている。
論文参考訳（メタデータ） (2024-05-28T20:54:41Z)
Best Practices and Lessons Learned on Synthetic Data [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)
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)
Service Level Agreements and Security SLA: A Comprehensive Survey [51.000851088730684]
本調査では,SLA管理のコンセプト,アプローチ,オープンな課題を網羅する技術の現状を明らかにする。これは、既存の調査で提案された分析と、このトピックに関する最新の文献とのギャップを包括的にレビューし、カバーすることで貢献する。 SLAライフサイクルの段階に基づく分析を組織化するための新しい分類基準を提案する。
論文参考訳（メタデータ） (2024-01-31T12:33:41Z)
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)
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)

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。