Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture
PulseAugur coverage of Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture — every cluster mentioning Machine Learning as a Service for DiSSCo’s Digital Specimen Architecture across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Pacifo框架增强机器学习推理的隐私性
研究人员开发了Pacifo，一个利用全同态加密（FHE）来增强机器学习推理服务隐私性和效率的框架。Pacifo通过分割层和近似ReLU函数来适配ResNet20模型，显著降低了FHE操作相关的计算开销和延迟。与现有ResNet20的FHE实现相比，该方法实现了3.7-21.7倍的速度提升，同时保持了原始模型95%-99%的准确率。
-
新AI框架无需修改模型即可追溯合成媒体的起源
研究人员开发了一种新颖的自指式逆合成分析框架，用于追溯AI模型生成的合成媒体的起源。该方法使用联合优化的编码器-解码器对来验证输入与其重新合成输出之间的一致性，从而无需更改生成模型本身即可进行溯源取证。该框架旨在为生成式AI内容提供可解释的证据，为识别合成媒体的来源提供实用的工具。
-
新框架检测物联网环境MLaaS中的性能漂移
研究人员开发了一个新框架，用于检测物联网（IoT）环境中的机器学习即服务（MLaaS）的性能漂移。该框架名为MLaaS性能漂移检测（MPDD），解决了在客户端对服务进行黑盒访问时监控MLaaS稳定性的挑战。该系统利用一个提取模型来理解服务行为并识别影响因素，然后联合分析输入数据和服务行为的变化。一个自适应时间机制根据检测到的变化进一步优化监控频率，旨在实现更及时的漂移检测和改进的服务管理。