論文の概要: A Survey on Trustworthy Edge Intelligence: From Security and Reliability
To Transparency and Sustainability
- arxiv url: http://arxiv.org/abs/2310.17944v2
- Date: Thu, 25 Jan 2024 15:52:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 17:52:31.574582
- Title: A Survey on Trustworthy Edge Intelligence: From Security and Reliability
To Transparency and Sustainability
- Title（参考訳）: 信頼できるエッジインテリジェンスに関する調査:セキュリティと信頼性から透明性と持続可能性へ
- Authors: Xiaojie Wang, Beibei Wang, Yu Wu, Zhaolong Ning, Song Guo, and Fei
Richard Yu
- Abstract要約: Edge Intelligence(EI)は、エッジコンピューティング(EC)と人工知能(AI)を統合して、AIの能力をネットワークエッジにプッシュする。
この調査は、信頼できるEIの特徴、アーキテクチャ、技術、ソリューションを包括的にまとめたものです。
- 参考スコア（独自算出の注目度）: 32.959723590246384
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Edge Intelligence (EI) integrates Edge Computing (EC) and Artificial
Intelligence (AI) to push the capabilities of AI to the network edge for
real-time, efficient and secure intelligent decision-making and computation.
However, EI faces various challenges due to resource constraints, heterogeneous
network environments, and diverse service requirements of different
applications, which together affect the trustworthiness of EI in the eyes of
stakeholders. This survey comprehensively summarizes the characteristics,
architecture, technologies, and solutions of trustworthy EI. Specifically, we
first emphasize the need for trustworthy EI in the context of the trend toward
large models. We then provide an initial definition of trustworthy EI, explore
its key characteristics and give a multi-layered architecture for trustworthy
EI. Then, we summarize several important issues that hinder the achievement of
trustworthy EI. Subsequently, we present enabling technologies for trustworthy
EI systems and provide an in-depth literature review of the state-of-the-art
solutions for realizing the trustworthiness of EI. Finally, we discuss the
corresponding research challenges and open issues.
- Abstract（参考訳）: Edge Intelligence(EI)は、エッジコンピューティング(EC)と人工知能(AI)を統合し、リアルタイムで効率的でセキュアなインテリジェントな意思決定と計算のために、AIの能力をネットワークエッジにプッシュする。
しかし、EIはリソースの制約、異種ネットワーク環境、さまざまなアプリケーションの多様なサービス要件などにより、さまざまな課題に直面します。
本調査は,信頼性の高いeiの特徴,アーキテクチャ,技術,ソリューションを包括的に要約する。
具体的には、まず、信頼性の高いEIの必要性を、大規模モデルへのトレンドの文脈で強調する。
次に、信頼に値するEIを最初に定義し、その重要な特徴を探求し、信頼できるEIのための多層アーキテクチャを提供する。
そして、信頼できるEIの達成を妨げる重要な課題をいくつかまとめる。
続いて、信頼できるEIシステムを実現する技術を提案し、EIの信頼性を実現するための最先端のソリューションの詳細な文献レビューを行う。
最後に、対応する研究課題とオープン課題について論じる。
関連論文リスト
- On the Trustworthiness of Generative Foundation Models: Guideline, Assessment, and Perspective [314.7991906491166]
Generative Foundation Models (GenFMs) がトランスフォーメーションツールとして登場した。
彼らの広く採用されていることは、次元の信頼に関する重要な懸念を提起する。
本稿では,3つの主要なコントリビューションを通じて,これらの課題に対処するための包括的枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-20T06:20:36Z) - Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey [92.36487127683053]
Retrieval-Augmented Generation (RAG)は、AIGC(AIGC)の課題に対処するために設計された高度な技術である。
RAGは信頼性と最新の外部知識を提供し、幻覚を減らし、幅広いタスクで関連するコンテキストを保証する。
RAGの成功と可能性にもかかわらず、最近の研究により、RAGパラダイムはプライバシーの懸念、敵対的攻撃、説明責任の問題など、新たなリスクももたらしていることが示されている。
論文 参考訳（メタデータ） (2025-02-08T06:50:47Z) - Towards Secure and Private AI: A Framework for Decentralized Inference [14.526663289437584]
大規模マルチモーダル基盤モデルは、スケーラビリティ、信頼性、潜在的な誤用に関する課題を提示する。
分散システムは、ワークロードの分散と障害の中心的なポイントの緩和によるソリューションを提供する。
これらの課題に対処するためには、AI開発に責任を負うように設計された包括的なフレームワークを使います。
論文 参考訳（メタデータ） (2024-07-28T05:09:17Z) - Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。
SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。
ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
論文 参考訳（メタデータ） (2024-04-20T11:07:29Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - A Systematic Review on Fostering Appropriate Trust in Human-AI
Interaction [19.137907393497848]
人工知能の適切な信頼(AI)システムは、研究者と実践者の両方にとって、急速に重要な領域になってきた。
信頼度スコア、説明、信頼度基準、不確実性通信など、様々なアプローチがそれを達成するために使われてきた。
本稿では、適切な信頼を構築するための現在の実践、それを測定するためのさまざまな方法、使用するタスクの種類、それに関連する潜在的な課題を特定するための体系的なレビューを示す。
論文 参考訳（メタデータ） (2023-11-08T12:19:58Z) - Trustworthy Federated Learning: A Survey [0.5089078998562185]
人工知能(AI)分野において、フェデレートラーニング(FL)が大きな進歩を遂げている。
我々は、Trustworthy FLの現状を概観し、既存のソリューションとTrustworthyに関連する明確に定義された柱を探求する。
本稿では,解釈可能性,公正性,セキュリティとプライバシの3つの柱を含む分類法を提案する。
論文 参考訳（メタデータ） (2023-05-19T09:11:26Z) - Towards Trustworthy Edge Intelligence: Insights from Voice-Activated
Services [0.0]
エッジインテリジェンスは、スマートサービスのキーとなる技術である。
本稿では,音声アクティベートサービスの具体的な応用シナリオにおいて,信頼に値するエッジインテリジェンスの要件について検討する。
論文 参考訳（メタデータ） (2022-06-20T00:56:21Z) - Trust in AI and Implications for the AEC Research: A Literature Analysis [0.0]
建築、工学、建設(AEC)研究コミュニティは、人工知能(AI)がプロジェクトを改善するために提供する高度なソリューションを活用している。
AEC産業における仕事、労働者、職場の独特な特徴にもかかわらず、AIに対する信頼の概念は文学においてほとんど注目を集めていない。
本稿では,AECにおけるAIとAIの2つの主要な信頼領域における学術文献の包括的分析を行い,AECプロジェクトのユニークな側面と,AIの信頼につながる社会技術的概念との相互作用について考察する。
論文 参考訳（メタデータ） (2022-03-08T04:38:34Z) - Trustworthy AI [75.99046162669997]
入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。
我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
論文 参考訳（メタデータ） (2020-11-02T20:04:18Z)
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。
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。