論文の概要: Co-designing heterogeneous models: a distributed systems approach

• arxiv url: http://arxiv.org/abs/2407.07656v1
• Date: Wed, 10 Jul 2024 13:35:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 16:32:05.838774
• Title: Co-designing heterogeneous models: a distributed systems approach
• Title（参考訳）: 異種モデルの共同設計--分散システムアプローチ
• Authors: Marius-Constantin Ilau, Tristan Caulfield, David Pym,
• Abstract要約: 本稿では3つの要素に基づく異種システムに適したモデリング手法を提案する。 モデルとは何かという推論主義的な解釈、分散システムのメタファ、そして協調設計サイクルは、モデルの実践的な設計と構築を記述している。 本手法の適合性について,3つの異なるセキュリティ指向モデルを用いて検討する。
• 参考スコア（独自算出の注目度）: 0.40964539027092917
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The nature of information security has been, and probably will continue to be, marked by the asymmetric competition of attackers and defenders over the control of an uncertain environment. The reduction of this degree of uncertainty via an increase in understanding of that environment is a primary objective for both sides. Models are useful tools in this context because they provide a way to understand and experiment with their targets without the usual operational constraints. However, given the technological and social advancements of today, the object of modelling has increased in complexity. Such objects are no longer singular entities, but heterogeneous socio-technical systems interlinked to form large-scale ecosystems. Furthermore, the underlying components of a system might be based on very different epistemic assumptions and methodologies for construction and use. Naturally, consistent, rigorous reasoning about such systems is hard, but necessary for achieving both security and resilience. The goal of this paper is to present a modelling approach tailored for heterogeneous systems based on three elements: an inferentialist interpretation of what a model is, a distributed systems metaphor to structure that interpretation and a co-design cycle to describe the practical design and construction of the model. The underlying idea is that an open world interpretation, supported by a formal, yet generic abstraction facilitating knowledge translation and providing properties for structured reasoning and, used in practice according to the co-design cycle could lead to models that are more likely to achieve their pre-stated goals. We explore the suitability of this method in the context of three different security-oriented models: a physical data loss model, an organisational recovery under ransomware model and an surge capacity trauma unit model.
• Abstract（参考訳）: 情報セキュリティの性質は、不確実な環境の制御に関する攻撃者と防衛者の非対称な競争によって、今後も続くだろう。 この環境理解の増大による不確実性の度合いの低下は、双方にとって主要な目的である。 モデルは、通常の運用上の制約なしに、目標を理解し、実験する方法を提供するので、この文脈で有用なツールです。 しかし、今日の技術的・社会的進歩を考えると、モデリングの対象は複雑さを増している。 このような物体はもはや特異な存在ではないが、異質な社会技術系が介在して大規模な生態系を形成している。 さらに、システムの基盤となるコンポーネントは、構築と使用のための全く異なる疫学的な仮定と方法論に基づいているかもしれない。 当然、このようなシステムに対する厳密で厳密な推論は難しいが、セキュリティとレジリエンスの両方を達成するためには必要である。 本研究の目的は,モデルが何であるかを推論論的に解釈する3つの要素に基づく異種システムに適したモデリング手法を提案することである。 根底にある考え方は、オープンワールドの解釈は、形式的だが汎用的な抽象化によって支持され、知識翻訳を円滑にし、構造化推論のための特性を提供し、実際、共同設計サイクルに従って使用されることは、事前に定められた目標を達成する可能性がより高いモデルに繋がる、というものである。 本研究では, 物理的データ損失モデル, ランサムウェアモデルに基づく組織的回復モデル, サージキャパシティトラウマモデルという3つの異なるセキュリティ指向モデルを用いて, 本手法の適合性を検討する。

関連論文リスト

• On human-centred security: A new systems model based on modes and mode transitions [0.0]
  本稿では,複雑なセキュリティシステムを解析するための抽象的な概念的枠組みを提案する。 モードは、独自の目的を持つシステムの独立したコンポーネントであり、データ、アルゴリズム、スコープと制限を監視します。 我々は概念的枠組みを数学的に定式化し、高次元幾何学空間における信念を定量化し視覚化することによって、我々のモデルはシステムの設計、分析、説明の両方に役立つと論じる。
  論文  参考訳（メタデータ） (2024-05-03T12:21:38Z)
• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
  本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。 デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。 これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
  論文  参考訳（メタデータ） (2023-07-12T01:11:52Z)
• Towards risk-informed PBSHM: Populations as hierarchical systems [0.0]
  本稿では、リスクベースの意思決定プロセスがそれらの内部で特定されるように、構造群を形式的に表現する。 人口ベース表現は、断層木を定義する確率論的リスクベースの決定枠組みの中で使用される構造の階層的表現の拡張である。
  論文  参考訳（メタデータ） (2023-03-13T15:42:50Z)
• Minimal Value-Equivalent Partial Models for Scalable and Robust Planning in Lifelong Reinforcement Learning [56.50123642237106]
  モデルに基づく強化学習における一般的な実践は、エージェントの環境のあらゆる側面をモデル化するモデルを学ぶことである。 このようなモデルは、生涯にわたる強化学習シナリオにおいて、スケーラブルで堅牢な計画を実行するのに特に適していない、と我々は主張する。 我々は,「最小値部分モデル」と呼ぶ,環境の関連する側面のみをモデル化する新しい種類のモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-24T16:40:01Z)
• ComplAI: Theory of A Unified Framework for Multi-factor Assessment of Black-Box Supervised Machine Learning Models [6.279863832853343]
  ComplAIは、説明可能性、堅牢性、パフォーマンス、公正性、モデル行動を有効にし、観察し、分析し、定量化するユニークなフレームワークである。 教師付き機械学習モデルの評価は、正しい予測を行う能力だけでなく、全体的な責任の観点から行う。
  論文  参考訳（メタデータ） (2022-12-30T08:48:19Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Surrogate Modeling for Physical Systems with Preserved Properties and Adjustable Tradeoffs [0.0]
  代理モデルを生成するためのモデルベースおよびデータ駆動型戦略を提案する。 後者は、前提となる位相構造に人工的関係を組み込むことで解釈可能な代理モデルを生成する。 我々のフレームワークは、分散パラメータモデルのための様々な空間離散化スキームと互換性がある。
  論文  参考訳（メタデータ） (2022-02-02T17:07:02Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)
• Semi-Structured Distributional Regression -- Extending Structured Additive Models by Arbitrary Deep Neural Networks and Data Modalities [0.0]
  本稿では、構造化回帰モデルとディープニューラルネットワークを統合ネットワークアーキテクチャに結合する一般的なフレームワークを提案する。 数値実験において,本フレームワークの有効性を実証し,ベンチマークや実世界の応用において,そのメリットを実証する。
  論文  参考訳（メタデータ） (2020-02-13T21:01:26Z)

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。