즐거운 월요일 되세요. Patent Drop에 오신 것을 환영합니다!

Today in Patent Drop: Uber는 당신의 일과를 잘 알고 그것을 예측할 수 있기를 원합니다. Baidu는 복잡한 신경망에서 명성을 얻고자 합니다. Visa는 실제로 데이터를 공유하지 않고 데이터를 공유하기를 원합니다.

하지만 시작하기 전에

아시다시피 사이버 보안은 중요한 문제이며 점점 더 커지고 있습니다. Atakama의 혁신적인 접근 방식은 위반이 발생하더라도 데이터를 보호하여 비즈니스를 보호할 수 있습니다. 그리고 바로 지금, 그 새로운 보호에 투자할 수 있습니다.

바로 여기에서 Atakama에 대해 자세히 알아보십시오.

바로 다이빙합시다.

#1. Uber가 당신을 알게 됩니다.

Uber는 귀하의 요구 사항을 예상하고자 합니다.

이 회사는 컨텍스트 데이터를 기반으로 사용자 요청을 예측할 수 있는 기술에 대한 특허를 찾고 있습니다. 그것은 다음과 같이 작동합니다: 과거 상호 작용 및 활동 데이터, 프로필 정보 및 위치를 추적할 수 있는 "센서 데이터"를 포함하여 "사용자와 관련된 컨텍스트 데이터"에 대해 훈련된 "기계 학습 모델"을 사용하여 플랫폼은 다음을 식별할 수 있습니다. "사전 요청 일치"를 수행하지 않거나 운전자에게 알림으로써 앱에서 예상되는 요청에 응답할 준비를 하지 않습니다.

그런 다음 운전자가 Uber로부터 "사전 요청 일치"를 받으면 시스템의 예측에 따라 재배치하도록 안내되며 해당 운전자는 다른 요청과 동일한 방식으로 사전 요청을 수락하거나 거부할 수 있습니다.

예를 들어, 매주 금요일 밤 좋아하는 레스토랑이나 바에 가는 습관이 있다면 이 시스템은 이를 감지하고 Uber 드라이버가 귀하를 데리러 집으로 갈 준비를 하도록 메시지를 표시합니다. 마찬가지로 회사 전체 직원 회의를 위해 매주 수요일 정오에 Sweetgreen을 사무실로 주문하면 이 시스템은 운전자가 일찍 레스토랑에 가서 점심을 픽업할 준비를 할 것을 권장합니다. 네, 조금 오싹합니다. 나중에 자세히 설명하겠습니다.

"네트워크 시스템은 일상적인 시작 및/또는 종료 위치(또는 지역) 및/또는 일상적인 경로(예: 집에서 직장으로 및/또는 그 반대로)를 나타내는 각 서비스 요청자에 대한 서비스 요청자 프로필을 관리할 수 있습니다. 선호하는 서비스 유형”이라고 Uber는 제출에서 말했습니다.

미국 특허청을 통한 사진.

이러한 방식으로 AI를 채택하는 Uber는 쉬운 일처럼 보입니다. 이 회사는 수년 동안 지속적으로 운전자 부족에 직면해 왔기 때문에 주문이나 승객이 들어올 때 준비해야 하는 운전자를 준비하면 잠재적으로 대기 시간을 줄이는 동시에 해당 운전자가 계속 작업하는 데 필요한 높은 등급을 유지하는 데 도움이 될 수 있습니다.

이 기술은 또한 사용자 습관을 모니터링하고 예측하는 데 사용되는 기계 학습의 또 다른 예를 나타내며, 따라서 기업이 데이터를 활용하여 더 많은 수익을 창출하도록 돕습니다. Visa는 훈련된 AI 모델을 사용하여 고객이 신용 카드 사용을 중단한 시기를 예측하고 보상으로 다시 끌어들이려고 시도하면서 비슷한 것을 시도하고 있습니다. Meta 와 eBay는 모두 사용자의 스크롤링이나 브라우징 습관을 주시하여 극도로 타겟팅된 광고를 보내는 AI에 대해 연구하고 있습니다.

최종 결과는 필연적으로 사용자에게 훨씬 더 개인화된 경험이 되지만, 이 AI를 구현하는 회사는 일반적으로 주머니에 더 많은 돈을 갖게 됩니다. 그렇지 않으면 귀찮게 하지 않을 것입니다.

그러나 이것은 데이터 사용에 있어 편의성과 프라이버시의 문제를 야기합니다. 이 특허에 설명된 기술은 사용자 활동뿐만 아니라 다양한 개인 센서 데이터("위치 데이터, 기압계 데이터, 가속도계 데이터, 전자 나침반 데이터, 자이로 스코프 데이터, 주변 광 센서 데이터”).

일부 사용자는 이러한 사용 편의성의 이점을 볼 수 있지만 다른 사용자는 Uber가 자신의 데이터를 사용하여 더 빠른 승차 또는 샐러드 배달을 위한 트레이드 오프가 될 행동을 예측하는 데 익숙하지 않을 수 있습니다.

#2. Baidu의 신경망 speakeasy

Baidu가 AI 경주에서 관련성을 위해 싸우면서 회사는 작업을 표시하려고 할 수 있습니다.

중국의 거대 검색 기업은 " 심층 신경망의 강력한 워터마킹 " 시스템에 대한 특허를 모색하고 있습니다. 작동 방식은 다음과 같습니다. Baidu의 방법은 특정 입력을 공급할 때 매우 구체적인 출력을 제공하도록 신경망을 훈련합니다. 그 출력은 본질적으로 워터마크입니다. 특정 단어, 코드, 이미지, 패턴 등 신경망을 만든 사람이 충분히 구체적이어서 신경망이 자신이 만든 것임을 알 수 있습니다.

Baidu의 기술은 이 워터마크를 달성하기 위해 신경망의 출력에 큰 영향을 미치지 않는다는 점에서 새롭습니다. 특허 출원에서 "키 샘플"이라고 부르는 것을 변경하거나 모드의 기능에 큰 영향을 미치지 않는 출력을 변경하기 때문입니다. Caldwell Intellectual Property Law 의 기술 실무 그룹 파트너이자 의장인 Micah Drayton은 어떤 출력에 실제로 Baidu 워터마크가 있는지 찾는 것은 "건초더미에서 바늘을 찾는 것과 같다"고 말했습니다.

Drayton은 "그것이 바로 이것의 천재성입니다. 당신이 이것을 해냈다고 말하기는 어려울 것입니다."라고 말했습니다. "당신은 무엇을 찾아야할지 모르고 이러한 변경 사항은 특정 단어에만 적용되기 때문입니다."

난해하게 들린다면 다음과 같이 생각해 보십시오. speakeasy에 들어가는데 경비원이 문 앞에서 세웁니다. 들어가려면 자신이 어디에 있는지 알고 있고 클럽에 속해 있음을 나타내기 위해 해당 경비원과 매우 구체적인 대화를 주고 받아야 합니다. 그러나 행인에게 이 코드화된 문구 세트는 의미가 없습니다. 그냥 대화처럼 보입니다.

"일부 기존 워터마킹 기술이 특정 공격을 견딜 수 있는 능력을 보여주었지만 견고성은 기존 워터마크 임베딩 프로세스의 기본 최적화 목표가 아닙니다." 바이두는 서류에서 말했다.

미국 특허청을 통한 사진.

미국 특허청을 통한 사진.

Patent Drop을 읽었다면 이 기술이 친숙하게 들릴 수 있습니다. 컨설팅 회사인 Booz Allen Hamilton은 기계 학습 모델 에 대한 유사한 개념을 연구하고 있습니다. 그러나 차이점은 Booz Allen의 기술은 모델 자체에 마크를 삽입하는 데 중점을 두는 반면 Baidu는 출력을 표시하는 데 중점을 둔다는 것입니다. (이 때문에 Baidu와 Booz가 법정에서 이 문제로 다투는 것을 보지 못할 것이라고 Drayton은 덧붙였습니다.)

또 다른 차이점은 그들이 이러한 방법으로 무엇을 하게 될지입니다. Booz Allen은 이것을 제품으로 포장하여 Fortune 500대 기업 및 정부 기관에 판매할 가능성이 더 높지만 Baidu는 이 기술을 내부적으로 사용할 가능성이 높습니다.

Baidu의 기술은 생성하는 데 상당한 투자가 필요하고 종종 매우 복잡한 출력을 초래하는 심층 신경망에 특별히 적용된다는 점을 감안할 때 이 누출 포착 방법을 적용하는 것은 쉬운 일이 아닙니다.

"다른 어떤 컴퓨터 프로그램도 할 수 없었던 일을 할 수 있는 신경망이 있다고 가정해 봅시다." Drayton이 말했습니다. “그러나 이들은 매우 복잡하기는 하지만 휴대가 매우 간편합니다. 플래시 드라이브에 넣을 수 있습니다. 누군가가 그것을 들어 올리거나 남용할 수 있기를 원하지 않습니다.”

이 보호는 회사가 Google, Microsoft 및 OpenAI와 같은 AI 파워 플레이어를 따라잡기 위해 노력하는 동안에만 필요할 수 있습니다.

아타카마 후원

사이버 보안 활용

당신의 투자가 세상을 조금 더 좋게 만드는 진정한 필요를 채우고 있다는 것을 아는 것은 항상 좋은 일입니다. 그것이 당신에게 우선이라면 Atakama는 훌륭한 선택입니다.

Atakama는 정말 필요한 세상에서 최고의 사이버 보안을 제공합니다. 기업의 45%가 지난 11개월 동안 데이터 유출을 경험했거나 보안 감사에 실패했다는 사실을 알고 계셨습니까?

지금 당장은 부유한 벤처 캐피탈리스트뿐만 아니라 개인 투자자도 Atakama의 혁신적인 사이버 보안에 참여할 수 있습니다. 하지만 그 기회는 영원하지 않습니다.

바로 여기에서 Atakama에 대해 자세히 알아보십시오.

#삼. Visa의 AI 용광로

일반적으로 팀워크는 꿈을 실현합니다. 그러나 그 낙관적인 철학은 AI 지배를 위한 경쟁에서 데이터를 공유하는 경쟁자와 관련이 있기 때문에 약간 흐려집니다.

그러나 Visa는 모두가 손을 잡고 함께 일할 수 있는 방법을 찾았을 수 있습니다.

신용 카드 회사는 기계 학습에서 개인 정보를 보호하는 방법에 대한 특허를 찾고 있습니다. 이 시스템은 "결과 이외의 정보를 공개"하지 않고 여러 엔터티가 데이터를 결합하고 여러 다른 머신 러닝 모델을 교육할 수 있는 "다자간 계산"을 사용하여 작동합니다.

이 시스템은 각 클라이언트가 다른 데이터 클라이언트와 공유하고 싶지 않은 개인 데이터를 서버에 저장한 다음 해당 데이터를 암호화하거나 보호하여 해당 데이터에 액세스할 수 있도록 하는 "두 서버 아키텍처"에 의존합니다. 그런 다음 하나의 서버는 기계 학습 모델을 교육하기 위해 모든 개인 데이터를 저장하고 사용할 수 있지만 한 클라이언트의 개인 데이터에 개별적으로 액세스할 수는 없습니다. 일단 훈련되면 모델 자체는 훈련된 데이터를 공개하지 않고 두 번째 서버에서 사용할 수 있습니다.

Visa는 데이터를 결합하기 위해 여러 법인과 협력하여 최고 품질의 AI 모델을 만들 수 있지만, 많은 회사가 "경쟁 우위, 개인 정보 보호 문제 및 규제, 데이터 주권을 둘러싼 문제에 대해 걱정하기 때문에 다양한 소스의 데이터를 결합하는 것이 어려울 수 있습니다. ”

"프라이버시를 보호하는 머신 러닝은… 결과 이외의 정보를 공개하지 않고 서로 다른 주체가 공동 데이터에 대해 다양한 모델을 훈련할 수 있도록 함으로써 유망한 솔루션을 제공합니다."라고 회사는 제출에서 밝혔습니다.

미국 특허청을 통한 사진.

AI가 발전함에 따라 AI 모델을 교육하는 데 사용되는 데이터의 개인 정보를 보호하는 방법을 찾는 것이 점점 더 많은 대화 주제가 되었습니다. 인텔도 이와 유사하게 기계 학습 모델과 그 안의 데이터를 보호하기 위한 기술을 연구하고 있으며, 여기에 입력된 훈련 데이터에 대한 액세스를 허용하지 않는 물리적 저장소를 활용하고 있습니다 . Visa의 관심은 이 문제가 거대 기술의 범위를 벗어나는 것으로 간주되고 있음을 나타냅니다.

즉, AI에 개인 정보 보호 조치를 채택하는 것은 Visa에 적합합니다. 전 세계적으로 40억 개 이상의 Visa 신용카드가 유통되고 있는 이 회사는 주소, 주민등록번호 등을 포함하여 수백억 개의 민감한 데이터에 접근할 수 있습니다.

그리고 특허에서 알 수 있듯이 Visa가 훈련하고 있는 AI 모델은 자체 데이터와 다른 주요 금융 기관 및 회사의 데이터에 의존할 가능성이 높습니다. 그 데이터가 나쁜 행위자의 손에 들어간 경우 최종 결과는 재앙이 될 수 있습니다.

Visa는 제출 서류에서 "시간이 지남에 따라 수집된 많은 양의 데이터가 오래된 문제에 대한 새로운 솔루션을 가능하게 했습니다."라고 말했습니다. "그러나 방대한 데이터 수집은 개인 정보 보호 문제를 야기합니다."

이 데이터는 기계 학습 모델 훈련에 유용하게 사용될 수 있지만 Visa 고객에게만 정보가 비공개로 유지되도록 하는 것이 고객의 신뢰를 유지하는 데 매우 중요합니다.

추가 방울

당신이 조정하기 전에 몇 가지 다른 좋은 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