論文の概要: Knowledge-enhanced Neuro-Symbolic AI for Cybersecurity and Privacy
- arxiv url: http://arxiv.org/abs/2308.02031v1
- Date: Tue, 25 Jul 2023 01:29:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 01:57:19.253652
- Title: Knowledge-enhanced Neuro-Symbolic AI for Cybersecurity and Privacy
- Title(参考訳): サイバーセキュリティとプライバシのためのナレッジエンハンスドニューロシンボリックai
- Authors: Aritran Piplai, Anantaa Kotal, Seyedreza Mohseni, Manas Gaur, Sudip
Mittal, Anupam Joshi
- Abstract要約: ニューロシンボリック人工知能は、ニューラルネットワークと明示的でシンボリックな知識グラフのサブシンボリックな強さを組み合わせる。
この記事では、最も要求の多い2つのドメインであるサイバーセキュリティとプライバシのアプリケーションが、Neuro-Symbolic AIの恩恵を受ける方法について説明する。
- 参考スコア(独自算出の注目度): 3.425341633647625
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Neuro-Symbolic Artificial Intelligence (AI) is an emerging and quickly
advancing field that combines the subsymbolic strengths of (deep) neural
networks and explicit, symbolic knowledge contained in knowledge graphs to
enhance explainability and safety in AI systems. This approach addresses a key
criticism of current generation systems, namely their inability to generate
human-understandable explanations for their outcomes and ensure safe behaviors,
especially in scenarios with \textit{unknown unknowns} (e.g. cybersecurity,
privacy). The integration of neural networks, which excel at exploring complex
data spaces, and symbolic knowledge graphs, which represent domain knowledge,
allows AI systems to reason, learn, and generalize in a manner understandable
to experts. This article describes how applications in cybersecurity and
privacy, two most demanding domains in terms of the need for AI to be
explainable while being highly accurate in complex environments, can benefit
from Neuro-Symbolic AI.
- Abstract(参考訳): ニューロシンボリック人工知能(ai:neuro-symbolic artificial intelligence)は、(深い)ニューラルネットワークの副シンボリックな強みと、知識グラフに含まれる明示的で象徴的な知識を組み合わせて、aiシステムの説明可能性と安全性を高める、新興かつ迅速な分野である。
このアプローチは、現在のシステムに対する重要な批判、すなわち、その結果について人間の理解可能な説明を生成し、安全な行動を保証することができないこと、特に \textit{unknown unknowns}(サイバーセキュリティ、プライバシなど)のシナリオに対処している。
複雑なデータ空間の探索に長けたニューラルネットワークと、ドメイン知識を表すシンボリックナレッジグラフの統合により、AIシステムは専門家が理解できる方法で推論、学習、一般化することができる。
この記事では、複雑な環境で高度に正確でありながらAIを説明する必要性という点で、最も要求される2つのドメインであるサイバーセキュリティとプライバシのアプリケーションが、Neuro-Symbolic AIの恩恵を受ける方法について説明する。
関連論文リスト
- Towards Cognitive AI Systems: a Survey and Prospective on Neuro-Symbolic
AI [33.0761784111292]
ニューロシンボリックAIは、解釈可能性、堅牢性、信頼性を高めるための有望なパラダイムとして登場します。
近年のNSAIシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を実証している。
論文 参考訳(メタデータ) (2024-01-02T05:00:54Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳(メタデータ) (2023-11-13T21:20:17Z) - Augmenting deep neural networks with symbolic knowledge: Towards
trustworthy and interpretable AI for education [3.627954884906034]
この研究は、AIのニューラルシンボリックなファミリーは、名前のついた課題に対処する可能性があると主張している。
ニューラルネットワークのシンボリックAIフレームワークに適応し、NSAIと呼ばれるアプローチを開発し、深層ニューラルネットワークに教育知識を注入し、抽出する。
以上の結果から,NSAIアプローチは,トレーニングデータのみに基づいてトレーニングされた深層ニューラルネットワークと比較して,より汎用性が高いことがわかった。
論文 参考訳(メタデータ) (2023-11-01T09:38:56Z) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳(メタデータ) (2023-09-23T00:05:39Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Neurosymbolic AI - Why, What, and How [9.551858963199987]
人間は知覚と認知の組み合わせを使って環境と相互作用する。
一方、機械認識はより複雑な計算を包含する。
本稿では,ニューロシンボリックAIの新たなパラダイムを紹介する。
論文 参考訳(メタデータ) (2023-05-01T13:27:22Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-05-25T12:41:59Z) - Neurosymbolic AI: The 3rd Wave [1.14219428942199]
AIの信頼、安全性、解釈可能性、説明責任に関する懸念は、影響力のある思想家によって提起された。
多くは、知識表現と推論を深層学習に統合する必要性を認識している。
ニューラル・シンボリック・コンピューティングは、推論と説明可能性を備えた堅牢な学習をニューラルネットワークで組み合わせようとする研究の活発な領域である。
論文 参考訳(メタデータ) (2020-12-10T18:31:38Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳(メタデータ) (2020-03-09T15:04:07Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳(メタデータ) (2020-03-02T10:32:21Z) - Self-explaining AI as an alternative to interpretable AI [0.0]
二重降下は、深層ニューラルネットワークがデータポイント間のスムーズな補間によって動作することを示している。
複雑な現実世界のデータに基づいてトレーニングされたニューラルネットワークは、本質的に解釈が困難で、外挿を求めると失敗する傾向がある。
自己説明型AIは、決定と説明の両方の信頼性レベルとともに、人間に理解可能な説明を提供することができる。
論文 参考訳(メタデータ) (2020-02-12T18:50:11Z)
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。