論文の概要: SocialGenPod: Privacy-Friendly Generative AI Social Web Applications with Decentralised Personal Data Stores
- arxiv url: http://arxiv.org/abs/2403.10408v1
- Date: Fri, 15 Mar 2024 15:43:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 16:32:11.652223
- Title: SocialGenPod: Privacy-Friendly Generative AI Social Web Applications with Decentralised Personal Data Stores
- Title(参考訳): SocialGenPod: 分散パーソナルデータストアを備えたプライバシフレンドリーに生成するAIソーシャルWebアプリケーション
- Authors: Vidminas Vizgirda, Rui Zhao, Naman Goel,
- Abstract要約: SocialGenPodは、生成型AI Webアプリケーションをデプロイする、分散型でプライバシフレンドリな方法である。
私たちは、ユーザが生成するAIアプリケーションからユーザデータを分離するために、Solid(分散Web仕様)をどのように使用できるかを示します。
- 参考スコア(独自算出の注目度): 8.402277698849362
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SocialGenPod, a decentralised and privacy-friendly way of deploying generative AI Web applications. Unlike centralised Web and data architectures that keep user data tied to application and service providers, we show how one can use Solid -- a decentralised Web specification -- to decouple user data from generative AI applications. We demonstrate SocialGenPod using a prototype that allows users to converse with different Large Language Models, optionally leveraging Retrieval Augmented Generation to generate answers grounded in private documents stored in any Solid Pod that the user is allowed to access, directly or indirectly. SocialGenPod makes use of Solid access control mechanisms to give users full control of determining who has access to data stored in their Pods. SocialGenPod keeps all user data (chat history, app configuration, personal documents, etc) securely in the user's personal Pod; separate from specific model or application providers. Besides better privacy controls, this approach also enables portability across different services and applications. Finally, we discuss challenges, posed by the large compute requirements of state-of-the-art models, that future research in this area should address. Our prototype is open-source and available at: https://github.com/Vidminas/socialgenpod/.
- Abstract(参考訳): 我々は、生成型AI Webアプリケーションをデプロイする分散型でプライバシフレンドリな方法であるSocialGenPodを紹介します。
アプリケーションやサービスプロバイダにユーザデータを結び付ける集中型Webやデータアーキテクチャとは違って、Solid – 分散化されたWeb仕様 – を使用して、生成AIアプリケーションからユーザデータを分離する方法を示します。
ユーザが直接あるいは間接的にアクセスできるSolid Podに格納されている任意のプライベートドキュメントに格納された回答を生成するために、検索拡張生成を利用して、ユーザーが異なる大規模言語モデルと対話できるプロトタイプを使用して、SocialGenPodを実証する。
SocialGenPodはSolidアクセス制御機構を使用して、Podに格納されたデータに誰がアクセスできるかをユーザが完全に制御する。
SocialGenPodは、すべてのユーザデータ(チャット履歴、アプリ構成、個人文書など)をユーザの個人的なPodに安全に保存します。
より優れたプライバシコントロールに加えて、このアプローチはさまざまなサービスやアプリケーション間のポータビリティも可能にします。
最後に,最先端モデルの大規模計算要求によって引き起こされる課題について論じる。
私たちのプロトタイプはオープンソースで、https://github.com/Vidminas/socialgenpod/.comで公開しています。
関連論文リスト
- SocialED: A Python Library for Social Event Detection [53.928241775629566]
SocialEDは、ソーシャルイベント検出(SED)タスクをサポートするように設計された、包括的なオープンソースのPythonライブラリである。
詳細なドキュメンテーションを備えた統一APIを提供し、研究者や実践者がソーシャルメディアにおけるイベント検出の完全なソリューションを提供する。
SocialEDは、グラフ構築やトークン化など、幅広い事前処理技術をサポートし、モデルのトレーニングや予測のための標準化されたインターフェースを含んでいる。
論文 参考訳(メタデータ) (2024-12-18T03:37:47Z) - Perennial Semantic Data Terms of Use for Decentralized Web [14.831528850463373]
データ用語(Data Terms of Use, DTOU)の新たな形式記述を提案する。
ユーザとアプリケーションは、ローカル知識でDToUポリシーの独自の部分を指定する。
これは年長のDTOU言語を構成するもので、ポリシーのオーサリングは一度しか行われない。
論文 参考訳(メタデータ) (2024-03-12T12:18:20Z) - A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining [75.25943383604266]
大規模なWebスクレイプデータセットの使用は、差分プライバシ保存と見なすべきかどうかを疑問視する。
Webデータ上で事前訓練されたこれらのモデルを“プライベート”として公開することで、市民のプライバシーに対する信頼を意味のあるプライバシの定義として損なう可能性があることを警告します。
公的な事前学習がより普及し、強力になるにつれて、私的な学習分野への道のりを議論することで、我々は結論づける。
論文 参考訳(メタデータ) (2022-12-13T10:41:12Z) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳(メタデータ) (2022-09-04T06:22:37Z) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳(メタデータ) (2021-11-21T09:41:39Z) - GitEvolve: Predicting the Evolution of GitHub Repositories [31.814226661858694]
GitHubリポジトリの進化を予測するシステムであるGitEvolveを提案する。
私たちは、人気を予測するために共通の関心をモデル化することで、ユーザをグループにマップします。
提案したマルチタスクアーキテクチャは汎用的であり、他のソーシャルネットワークで情報拡散をモデル化するために拡張することができる。
論文 参考訳(メタデータ) (2020-10-09T04:32:15Z) - Unsupervised Model Personalization while Preserving Privacy and
Scalability: An Open Problem [55.21502268698577]
本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。
この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。
このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
論文 参考訳(メタデータ) (2020-03-30T09:35:12Z) - Practical Privacy Preserving POI Recommendation [26.096197310800328]
本稿では,プライバシ保護のためのPOI勧告(PriRec)フレームワークを提案する。
PriRecは、ユーザのプライベートな生データとモデルを自身の手で保持し、ユーザのプライバシを広範囲に保護する。
実世界のデータセットにPriRecを適用し、包括的な実験により、FMと比較すると、PriRecは同等またはそれ以上のレコメンデーション精度を達成した。
論文 参考訳(メタデータ) (2020-03-05T06:06:40Z)
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。