論文の概要: A Model-oriented Reasoning Framework for Privacy Analysis of Complex Systems

• arxiv url: http://arxiv.org/abs/2405.08356v1
• Date: Tue, 14 May 2024 06:52:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-15 14:58:01.172271
• Title: A Model-oriented Reasoning Framework for Privacy Analysis of Complex Systems
• Title（参考訳）: 複雑なシステムのプライバシ分析のためのモデル指向推論フレームワーク
• Authors: Sebastian Rehms, Stefan Köpsell, Verena Klös, Florian Tschorsch,
• Abstract要約: 本稿では,システムとその環境のプライバシ特性に関する推論フレームワークを提案する。 異なる論理レベルの知識リークをキャプチャして、質問に答えることができます。
• 参考スコア（独自算出の注目度）: 2.001711587270359
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper proposes a reasoning framework for privacy properties of systems and their environments that can capture any knowledge leaks on different logical levels of the system to answer the question: which entity can learn what? With the term knowledge we refer to any kind of data, meta-data or interpretation of those that might be relevant. To achieve this, we present a modeling framework that forces the developers to explicitly describe which knowledge is available at which entity, which knowledge flows between entities and which knowledge can be inferred from other knowledge. In addition, privacy requirements are specified as rules describing forbidden knowledge for entities. Our modeling approach is incremental, starting from an abstract view of the system and adding details through well-defined transformations. This work is intended to complement existing approaches and introduces steps towards more formal foundations for privacy oriented analyses while keeping them as accessible as possible. It is designed to be extensible through schemata and vocabulary to enable compatibility with external requirements and standards.
• Abstract（参考訳）: 本稿では,システムと環境のプライバシ特性に関する推論フレームワークを提案し,システムのさまざまな論理レベルに関する知識リークをキャプチャして,どのエンティティが何を学べるか,という問題に対処する。 用語の知識では、関係のあるデータの種類、メタデータ、解釈などを指します。 これを実現するために、開発者がどの知識がどのエンティティで、どの知識がどのエンティティ間で流れ、どの知識が他の知識から推測できるかを明確に記述するよう強制するモデリングフレームワークを提案する。 さらに、プライバシ要件は、エンティティの禁止された知識を記述する規則として指定される。 私たちのモデリングアプローチは漸進的であり、システムの抽象的なビューから始まり、明確に定義された変換を通じて詳細を追加します。 この作業は、既存のアプローチを補完することを目的としており、可能な限りアクセスしやすくしながら、プライバシー指向の分析のためのより正式な基盤に向けたステップを導入している。 スキーマや語彙を通じて拡張可能で、外部の要件や標準との互換性を実現するように設計されている。

関連論文リスト

• GIVE: Structured Reasoning with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを統合する新しい推論フレームワークである。 本手法は,ゴールド回答検索ではなく,専門家の問題解決に類似した論理的・段階的推論手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• Establishing Knowledge Preference in Language Models [80.70632813935644]
  言語モデルは事前学習を通じて大量の事実知識を符号化することが知られている。 このような知識はユーザーからの要求に応えるには不十分かもしれない。 進行中のイベントに関する質問に答える場合には、最新のニュース記事を使って回答を更新する必要がある。 ある事実がモデルで編集されると、更新された事実はモデルによって学習されたすべての事前知識をオーバーライドする。
  論文  参考訳（メタデータ） (2024-07-17T23:16:11Z)
• Permissible Knowledge Pooling [0.0]
  本稿では,知識プーリングと共有のための新しいモーダル論理を提案する。 また、それらの公理化の概要を述べ、許容可能な知識プールのための潜在的なフレームワークについて論じている。
  論文  参考訳（メタデータ） (2024-04-04T12:51:28Z)
• Categorical semiotics: Foundations for Knowledge Integration [0.0]
  ディープラーニングアーキテクチャの定義と分析のための包括的なフレームワークを開発するという課題に取り組む。 我々の方法論は、ファジィ集合の宇宙の中で解釈されるエルレスマンのスケッチに類似したグラフィカル構造を用いる。 このアプローチは、決定論的および非決定論的ニューラルネットワーク設計の両方をエレガントに包含する統一理論を提供する。
  論文  参考訳（メタデータ） (2024-04-01T23:19:01Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
  専門知識を用いて因果グラフの同定を改善する方法について検討する。 整合性に基づく専門家の知識を改良するための戦略を提案する。 本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
  論文  参考訳（メタデータ） (2023-07-05T16:01:38Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Joint Reasoning on Hybrid-knowledge sources for Task-Oriented Dialog [12.081212540168055]
  本稿では,SeKnow が作成した MutliWOZ ベースのデータセットの修正版について述べる。 事前訓練された言語モデルを利用する最近の作業に合わせて、知識ソースをクエリするタスクのプロンプトを使用してBARTベースのモデルを微調整する。 我々は,本モデルが知識モダリティ(情報源)の摂動に頑健であり,構造化知識と非構造化知識とを融合して応答を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-10-13T18:49:59Z)
• Knowledge-grounded Dialog State Tracking [12.585986197627477]
  我々は,外部に符号化された知識に基づいて,対話状態の追跡を行う。 ダイアログのコンテキストに基づいて,様々な形態の関連知識を問い合わせる。 提案手法の強塩基性よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-13T01:34:08Z)
• Combining pre-trained language models and structured knowledge [9.521634184008574]
  トランスフォーマーベースの言語モデルは、様々なNLPベンチマークにおいて、最先端の性能を実現している。 これらのモデルに知識グラフのような構造化情報を統合することは困難であることが証明されている。 構造化された知識を現在の言語モデルに統合し、課題を決定するための様々なアプローチについて検討し、構造化された情報ソースと非構造化された情報ソースの両方を活用する機会について検討する。
  論文  参考訳（メタデータ） (2021-01-28T21:54:03Z)
• KRISP: Integrating Implicit and Symbolic Knowledge for Open-Domain Knowledge-Based VQA [107.7091094498848]
  VQAの最も難しい質問の1つは、質問に答えるために画像に存在しない外部の知識を必要とする場合です。 本研究では,解答に必要な知識が与えられたり記入されたりしないオープンドメイン知識を,トレーニング時やテスト時にも検討する。 知識表現と推論には2つのタイプがあります。 まず、トランスベースのモデルで教師なし言語事前トレーニングと教師付きトレーニングデータから効果的に学ぶことができる暗黙的な知識。
  論文  参考訳（メタデータ） (2020-12-20T20:13:02Z)

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。