音声処理・プライバシー保護AIの最新研究を AI で解析し、わかりやすくまとめた記事です。
条件に一致する記事が見つかりません。
取引ごとの重いデジタル署名検証を、軽量な認証とブロック単位の「ゼロ知識証明」に置き換える新しい方式を提案しています。
大規模言語モデルを「枝刈り」と「知識蒸留」という2段階の手法で、パラメータ数を33.4%削減することに成功しました。
複数のAIやツールを組み合わせた「複合AIシステム」では、AI自体の弱点だけでなく、従来のソフトウェアやハードウェアの脆弱性が重大な脅威となります。
AIがセンサーデータから「活動内容」と「個人を特定しうる情報」を自動で仕分ける新しい技術が提案されました。
各端末のデータを集めずにAIを賢くする連合学習は、端末ごとのデータ内容の偏り（不均質性）が課題でした。
話者の声を隠す「音声匿名化」技術の評価でよく使われるデータセットには、話す内容（語彙）から個人が特定できてしまう弱点があることが指摘されました。
テキスト読み上げAIが、文章の内容と感情を分離して学習する新しい手法が提案されました。
AIは音声と映像（口の動き）を組み合わせることで、騒がしい場所でもより正確に言葉を認識します。
連合学習では学習済みAIモデルが参加者に配布されるため、悪意ある参加者によるモデル漏洩のリスクがあります。
AIが生成した文章の良し悪しを、別のAI（評価者AI）が判断して改善する研究が進んでいます。
多くのユーザー（家族）それぞれに合わせたAIモデルを作るのは、サーバーの負担が非常に大きいという課題がありました。
従来のAI文章生成は、主に「次に来る最も可能性の高い単語」を予測することに特化していました。
本研究は、企業システムを開発する「開発者」と「コンサルタント」のプライバシーに対する意識や行動の違いを分析しました。
本研究は、テスト時（推論時）にAIモデルを適応させ、連続する映像から空間情報を捉え続ける新手法「Spatial-TTT」を提案しました。
文章のプライバシーを守る新しい技術「STAMP」が提案されました。
グローバルな通信に使われるイリジウム衛星の通信が、ほとんど暗号化されずに「平文」のまま送受信されている可能性が示されました。
画像生成AIの内部（潜在空間）に、人間が理解できる「色」の地図のような構造が自然に生まれていることが発見されました。
従来の差分プライバシーのリスク評価手法は、特定の攻撃しか想定していなかったり、評価を誤ったりする可能性がありました。
And Family Voice 研究所