論文の概要: Building Privacy-Preserving and Secure Geospatial Artificial
Intelligence Foundation Models
- arxiv url: http://arxiv.org/abs/2309.17319v2
- Date: Thu, 12 Oct 2023 08:40:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-14 14:54:21.869316
- Title: Building Privacy-Preserving and Secure Geospatial Artificial
Intelligence Foundation Models
- Title(参考訳): プライバシー保護とセキュアな地理空間人工知能基盤モデルの構築
- Authors: Jinmeng Rao, Song Gao, Gengchen Mai, Krzysztof Janowicz
- Abstract要約: GeoAIファウンデーションモデルは、十分に議論されていない、あるいは現在までに対処されていない、深刻なプライバシとセキュリティ上のリスクを生じさせる可能性がある。
本稿では,GeoAIファンデーションモデルのライフサイクルを通じて,潜在的なプライバシとセキュリティリスクを紹介する。
我々は,GeoAIファンデーションモデルの開発を提唱する。
- 参考スコア(独自算出の注目度): 4.477548250628005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years we have seen substantial advances in foundation models for
artificial intelligence, including language, vision, and multimodal models.
Recent studies have highlighted the potential of using foundation models in
geospatial artificial intelligence, known as GeoAI Foundation Models, for
geographic question answering, remote sensing image understanding, map
generation, and location-based services, among others. However, the development
and application of GeoAI foundation models can pose serious privacy and
security risks, which have not been fully discussed or addressed to date. This
paper introduces the potential privacy and security risks throughout the
lifecycle of GeoAI foundation models and proposes a comprehensive blueprint for
research directions and preventative and control strategies. Through this
vision paper, we hope to draw the attention of researchers and policymakers in
geospatial domains to these privacy and security risks inherent in GeoAI
foundation models and advocate for the development of privacy-preserving and
secure GeoAI foundation models.
- Abstract(参考訳): 近年では、言語、視覚、マルチモーダルモデルなど、人工知能の基礎モデルが大幅に進歩しています。
近年,地理空間的人工知能(geoai foundation model)における基盤モデルの利用が,地理的質問応答,リモートセンシング画像理解,地図生成,位置情報ベースのサービスなどに与える影響が注目されている。
しかし、geoai foundationモデルの開発と応用は、現在まで十分に議論されていない、あるいは対処されていない重大なプライバシーとセキュリティのリスクをもたらす可能性がある。
本稿では,GeoAIファンデーションモデルのライフサイクルを通じての潜在的なプライバシとセキュリティリスクを紹介し,研究の方向性と予防・制御戦略の総合的青写真を提案する。
本稿では,地理空間分野の研究者と政策立案者の注意を,ジオアイ財団モデルに内在するプライバシとセキュリティリスクに惹きつけ,プライバシ保護とセキュアなジオアイ財団モデルの開発を提唱する。
関連論文リスト
- Safety at Scale: A Comprehensive Survey of Large Model Safety [299.801463557549]
我々は、敵攻撃、データ中毒、バックドア攻撃、ジェイルブレイクとプロンプトインジェクション攻撃、エネルギー遅延攻撃、データとモデル抽出攻撃、出現するエージェント固有の脅威を含む、大規模なモデルに対する安全脅威の包括的分類を提示する。
我々は、大規模なモデル安全性におけるオープンな課題を特定し、議論し、包括的な安全性評価、スケーラブルで効果的な防御機構、持続可能なデータプラクティスの必要性を強調します。
論文 参考訳(メタデータ) (2025-02-02T05:14:22Z) - A comprehensive GeoAI review: Progress, Challenges and Outlooks [0.0]
Geospatial Artificial Intelligence (GeoAI)は、最も関連性の高い研究と産業応用で注目を集めている。
本稿では,地理空間データに人工知能(AI)手法とモデルを適用した相乗的概念としてGeoAIを包括的にレビューする。
論文 参考訳(メタデータ) (2024-12-16T10:41:02Z) - Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。
この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。
本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文 参考訳(メタデータ) (2024-11-15T08:09:28Z) - New Emerged Security and Privacy of Pre-trained Model: a Survey and Outlook [54.24701201956833]
セキュリティとプライバシーの問題は、事前訓練されたモデルに対するユーザーの信頼を損なう。
現在の文献は、事前訓練されたモデルに対する攻撃と防御の明確な分類を欠いている。
この分類法は、攻撃と防御をNo-Change、Input-Change、Model-Changeアプローチに分類する。
論文 参考訳(メタデータ) (2024-11-12T10:15:33Z) - Foundation Models for Remote Sensing and Earth Observation: A Survey [101.77425018347557]
本調査は、リモートセンシング基礎モデル(RSFM)の新しい分野を体系的にレビューする。
モチベーションと背景の概要から始まり、続いて基本概念が導入された。
我々はこれらのモデルを公開データセットと比較し、既存の課題について議論し、今後の研究方向性を提案する。
論文 参考訳(メタデータ) (2024-10-22T01:08:21Z) - Self-supervised Learning for Geospatial AI: A Survey [21.504978593542354]
自己教師付き学習(SSL)は地理空間データに採用されていることで注目を集めている。
本稿では,地理空間ベクトルデータで広く用いられている3種類の一次データ(幾何学)に対して,SSL技術の適用および開発に関する包括的かつ最新の調査を行う。
論文 参考訳(メタデータ) (2024-08-22T05:28:22Z) - Artificial Intelligence Studies in Cartography: A Review and Synthesis
of Methods, Applications, and Ethics [4.665390376528911]
我々はGeoAIと地図学を統合した研究の体系的な内容分析と物語合成を行う。
データソース,データフォーマット,マップ評価,および6つの現代GeoAIモデルなどの地図作成のためのGeoAI手法の次元を同定する。
地図学におけるGeoAIの統合に対処する必要がある5つの倫理的課題を提起する。
論文 参考訳(メタデータ) (2023-12-13T05:15:57Z) - On the Opportunities and Challenges of Foundation Models for Geospatial
Artificial Intelligence [39.86997089245117]
ファンデーションモデル(FM)は、微調整、少数ショット、ゼロショット学習によって、幅広い下流タスクに適応することができる。
我々は,GeoAIのためのFMを開発する上で大きな課題の一つとして,地理空間的タスクのマルチモーダル性に対処することを提案する。
論文 参考訳(メタデータ) (2023-04-13T19:50:17Z) - Philosophical Foundations of GeoAI: Exploring Sustainability, Diversity,
and Bias in GeoAI and Spatial Data Science [1.0152838128195467]
本章では、GeoAIと空間データ科学の哲学的基盤を形成する基本的な前提と原則について述べる。
それは、持続可能性、トレーニングデータのバイアス、スキーマ知識の多様性、そして、統一倫理的な視点からGeoAIシステムの中立性(潜在的に欠如している)といったテーマを強調している。
論文 参考訳(メタデータ) (2023-03-27T14:01:22Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - 10 Security and Privacy Problems in Large Foundation Models [69.70602220716718]
事前トレーニングされたファンデーションモデルは、AIエコシステムの'オペレーティングシステム'のようなものです。
事前訓練されたファンデーションモデルのセキュリティやプライバシの問題は、AIエコシステムの単一障害点につながる。
本章では、事前訓練された基礎モデルのセキュリティとプライバシに関する10の基本的な問題について論じる。
論文 参考訳(メタデータ) (2021-10-28T21:45:53Z)
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。