즐거운 월요일 되세요. Patent Drop에 오신 것을 환영합니다!

오늘 우리는 AI 모델 주위에 20피트 울타리를 설치하는 인텔의 기술, 신경망을 구체화하는 Adobe의 기술, 블록체인을 사용하여 위반을 방지하기 위한 계획에 대한 PayPal의 제출을 확인하고 있습니다.

확인 해보자.

#1. 인텔의 데이터 디펜더

기계 학습 모델에는 많은 시간, 에너지, 노력, 특히 생성하는 데이터가 필요합니다. 따라서 인텔은 많은 사람들이 자신의 노력을 혼자만 간직하고 싶어한다는 것을 이해합니다.

이 회사는 기계 학습 모델의 개인 정보와 이를 훈련하는 데 사용되는 데이터를 보호하기 위해 기술 " 보안 모델 생성 및 테스트 "에 대한 특허 출원을 제출했습니다. Intel의 시스템을 통해 사용자는 "하드웨어 보호 공간" 또는 "공격 가능성을 줄이기 위해 다양한 하드웨어 아키텍처 내에서 ML 모델을 보호하는" 물리적 시스템에서 기계 학습 모델을 생성, 교육 및 저장할 수 있습니다. 모델을 교육하는 데 사용되는 개인 식별 정보의 일부를 수정하여 나쁜 행위자로 식별될 가능성을 줄입니다.

기계 학습 모델에 액세스하고 릴리스하기 위해 이 시스템은 "분산 및 다자간 분석"을 수행하여 액세스 권한을 얻으려는 사람이 모델이 훈련된 데이터를 볼 수 없는지 확인합니다.

기본적으로 인텔은 교육 중에 공급된 데이터를 동시에 공개하지 않고 액세스할 수 있는 AI 모델을 안전하게 저장하기 위한 저장소를 만들었습니다. 결과적으로 AI 모델은 개인 또는 식별 가능한 데이터가 잘못된 손에 들어갈 염려 없이 "자유롭게 배포"될 수 있습니다.

인텔은 파일에서 "ML 모델은 개인 식별 정보와 같은 민감하고 개인적인 실제 데이터에 대해 훈련될 수 있습니다."라고 밝혔습니다. “민감한 개인 데이터의 대규모 수집은 … 위험을 수반합니다. 민감한 데이터를 잘못 취급한 결과는 개인 정보 보호, 비즈니스 및 경제적 관점에서 치명적일 수 있습니다.”

미국 특허청을 통한 사진.

NexOptic 의 AI 기술 VP인 Kevin Gordon은 모델이 종종 이름, 주소, 전화번호 또는 심지어 운전면허증 및 주민등록번호와 같은 항목에 대해 훈련될 수 있다는 점을 고려할 때 AI 훈련 데이터를 안전하게 유지하는 것이 중요하다고 말했습니다.

Gordon은 악의적인 행위자가 다른 당사자가 만든 AI 모델을 손에 넣으면 이를 리버스 엔지니어링하고 모델이 훈련된 데이터에 액세스할 수 있다고 언급했습니다. 그러나 데이터를 내부에 잠근 상태로 유지하는 물리적 장벽을 구현하면 이를 완화할 수 있습니다.

"이 ML 모델은 슈퍼 데이터에 대한 배고픔이 있으며 일반적으로 우리의 개인 데이터에 대한 배고픔입니다."라고 Gordon은 말했습니다. “공격자가 블랙박스 AI 모델을 손에 넣으면 훈련 프로세스에 들어간 입력 중 일부를 재생성할 수 있습니다. 따라서 민감한 정보를 입력하는 경우 찌르고 찌르는 과정에서 유출될 수 있습니다.

우리는 이미 기계 학습 모델 자체를 보호하는 특허가 개발자와 관련이 있음을 확인했습니다(자세한 내용은 지난 주 Patent Drop에서 분석한 워터마크 AI 모델에 대한 Booz Allen 특허 출원을 확인하십시오). AI 모델은 훈련하는 데이터만큼만 우수하므로 데이터를 안전하게 유지하는 것은 개인 프라이버시와 회사의 IP(솔직히 말해서 AI가 더 중요하게 생각하는 것임)를 보호하는 데 중요합니다.

인텔은 Nvidia와 비교하여 AI 칩 판매에서 뒤쳐져 있지만 기계 학습 모델을 안전하게 유지하기 위한 하드웨어는 시장 점유율을 되찾기 위한 회사 계획의 일부일 수 있습니다. 특허를 받으면 인텔은 단순한 공급자가 아니라 기하급수적으로 성장하는 시장에서 이러한 유형의 AI 데이터 보호 공급자가 될 수 있습니다.

#2. Adobe는 신경망을 학습합니다.

신경망은 어린아이와 같습니다. 성장하는 데 엄청난 양의 리소스가 필요합니다. Adobe는 몇 가지 짧은 단계를 거쳐 Pre-K에서 대학으로 진학할 수 있도록 합니다.

이 회사는 신경망을 위한 " 자원 인식 훈련 "에 대한 특허 출원을 제출했습니다. 분해: 이 기술은 신경망에서 "죽은" 또는 "생존"한 뉴런을 식별하는 방식으로 작동합니다. 죽은 뉴런은 "작업을 안정적으로 수행하는 네트워크의 능력에 거의 또는 전혀 영향을 미치지 않는" 뉴런으로 정의됩니다. 그 죽은 뉴런은 본질적으로 살아남은 뉴런과 함께 엮음으로써 "다시 태어난" 뉴런으로 전환됩니다.

이것이 어떻게 리소스를 절약하는지 궁금하다면 훈련 시스템은 신경망의 모든 뉴런을 최대한 효율적으로 만듭니다. 즉, 불필요한 무게를 제거하고 더 나은 결과를 얻기 위해 다시 훈련하는 것입니다. 즉, 하루가 끝날 때 작업을 완료하는 데 도움이 되지 않는 신경망의 훈련 부분에 컴퓨팅 성능을 낭비하지 않는 것입니다.

여전히 혼란스러우면 다음과 같이 생각해 보십시오. 내부 책상에서 식물이 시들고 있다면 다른 책상 식물이 같은 환경에서 번성하고 있기 때문에 다시 살아나기를 바라며 시간과 물을 낭비하지 마십시오. . 그냥 정원에 심으세요.

미국 특허청을 통한 사진.

NexOptic 의 Kevin Gordon은 작동하지 않는 부분에 대해 신경망을 잘라내는 과정은 수십 년 동안 진행되어 왔다고 말했습니다. 그러나 Adobe는 네트워크의 기능을 지원하기 위해 실패한 뉴런을 재통합 및 재훈련함으로써 낭비가 아닌 접근 방식을 취하고 있습니다.

"가지치기 단계에서는 용량이 100%인 네트워크가 있지만 필요하지 않은 뉴런을 잘라내기 시작합니다. 기여하지 않기 때문입니다."라고 Gordon은 말했습니다. “대신, 정리할 하위 네트워크의 종류를 식별하고 네트워크를 최대 용량으로 사용하도록 구체적으로 교육합니다. 나는 그것이 참신하다는 것을 확실히 알 수 있습니다.”

Adobe가 언급했듯이 이 프로세스는 AI 모델의 교육이 환경에 그다지 좋지 않다는 점을 고려할 때 점점 더 중요한 요소인 컴퓨팅 리소스를 절약할 수 있습니다. AI 모델은 엄청난 양의 에너지를 소비하며 단일 모델을 교육하면 수십만 파운드의 CO2 배출량을 생성할 수 있습니다 . 공정의 어느 부분에서든 에너지를 절약하면 조금이라도 환경 부담을 완화할 수 있습니다.

그렇다면 신경망이 Adobe에 그토록 중요한 이유는 무엇입니까? 이 유형의 AI는 "이미지 인식 및 물체 감지와 같은 시각적 작업"을 완료하는 데 큰 부분을 차지하며 사진 및 비디오와 관련하여 AI의 리더가 되기 위해 노력하고 있습니다. 이 회사는 파일 렌더링 개선을 위한 신경망 운영 뷰티 편집기 및 기계 학습 모델을 포함하여 AI를 제품군에 통합하기 위한 여러 특허를 신청했으며 최근 회사는 월요일에 통합될 것이라고 발표한 Firefly라는 자체 생성 AI 도구를 출시했습니다. 비디오 및 오디오 편집 소프트웨어. 또한 회사는 지난 10년 동안 시각적 AI의 "연구 측면에서 강세를 보였다"고 Gordon은 덧붙였습니다.

Adobe는 Canva 및 Figma와 같은 경쟁업체보다 앞서야 한다는 압박 속에서 AI에 매달릴 수 있습니다. 적어도 작년에 회사가 Figma를 200억 달러에 인수하기 전에는 말입니다. Gordon은 말했습니다. "시장에서 (Adobe)에 대한 엄청난 위협이 있습니다."라고 그는 말했습니다. "그들은 이러한 많은 창의적인 도구에 대한 일종의 사실상의 표준을 가지고 있습니다. 하지만 이제 이러한 AI 도구를 사용하면 정말 다음 단계로 넘어갑니다."

#삼. PayPal의 (b)자물쇠와 열쇠

PayPal은 암호화폐 거래 및/또는 NFT 구매 이상의 용도로 블록체인을 사용하고자 합니다.

이 회사는 블록체인을 사용하여 신원을 확인하고 인증하는 시스템에 대한 특허를 얻으려고 합니다. 먼저 사용자는 사용자 이름, 비밀번호, 주소, 전화번호 및 신용카드 정보와 같은 자격 증명을 업로드하여 블록체인에 저장합니다. 사용자가 트랜잭션을 처리하기 위해 액세스하려는 경우 시스템은 해당 자격 증명에 액세스하는 데 사용할 수 있는 "사용자 공개 키"를 생성합니다.

자격 증명은 PayPal이 "ID 토큰"이라고 부르는 것에 저장됩니다. 상황에 따라 특정 제약 조건(즉, 몇 분 이내에 로그인하는 데 사용해야 하거나 특정 트랜잭션에만 사용할 수 있음)이 있는 이 토큰은 트랜잭션 서버로 전송됩니다.

이를 디지털 키체인 또는 암호 관리자의 보다 안전한 버전으로 생각하십시오. 이 프로세스는 유출될 경우 사용자의 개인 정보를 침해할 수 있는 개인 정보 저장에 추가 방어 계층을 추가합니다.

“매년 온라인 신원 도용이 증가함에 따라 사용자 자격 증명 도용이 더 높은 보안 문제가 되고 있습니다. "필요한 것은 기존 시스템보다 사용자 자격 증명을 더 안전하게 저장하고 사용자를 인증하기 위한 대상 자격 증명을 제공하는 시스템입니다."

미국 특허청을 통한 사진.

암호화 스타트업 런치패드 BHero 의 CEO인 마리우스 그리고라스(Marius Grigoras)는 "데이터 불변성, 탈중앙화, 강력한 암호화"를 포함해 블록체인 기술을 보안에 구현할 수 있는 방법은 많다고 말했습니다. 블록체인 자체는 사기를 추적할 수 있는 공개 거래 원장을 통해 투명성을 촉진하며 분산형 아키텍처는 "단일 실패 지점"의 위험을 최소화할 수 있다고 덧붙였습니다.

PayPal의 특허 출원을 살펴보면 블록체인은 "중개자에 의존하지 않고 원활한 인증을 허용하는 변조 방지 및 검증 가능한 사용자 자격 증명 기록"을 생성할 수 있다고 Grigoras는 말했습니다.

이러한 방식으로 보안에 블록체인을 사용하면 금융 서비스 회사를 훨씬 뛰어넘는 잠재력이 있다고 Grigoras는 지적했습니다. 이 기술은 공급망 관리, 의료 및 소셜 미디어를 포함하여 기밀 데이터를 다루는 모든 산업에 적용될 수 있습니다.

그럼에도 불구하고 PayPal과 같은 핀테크는 중요한 개인 및 개인 데이터에 액세스할 수 있는 경향이 있습니다. PayPal은 신용 카드 정보에서 생일 및 사회 보장 번호에 이르기까지 모든 것을 저장할 수 있는 기능을 갖춘 " 개인 데이터 지갑 "에 대한 특허를 최근 몇 달 동안 시도하면서 이를 인정했습니다.

그러나 특히 올해 초 35,000명 이상의 사용자 자격 증명을 취약하게 만든 대규모 보안 침해 로 인해 PayPal의 개인 데이터 보안 실적이 불타올랐습니다. 회사가 개인 데이터 거점이 되려면 방어력을 강화하는 것이 중요합니다.

추가 방울

당신이 가기 전에 몇 가지 다른 재미있는 것들.

그 밖의 새로운 기능은 무엇입니까?

의견, 팁 또는 제안이 있으십니까? 우리에게 라인을 드롭! [email protected] 로 이메일을 보내거나 트위터 @patentdrop 에서 DM을 보내주세요.

지금 구독