明けましておめでとうございます。Patent Drop へようこそ!

今日、私たちはAIモデルの周囲に20フィートのフェンスを設置するインテルの技術、ニューラルネットワークを形作るアドビの技術、そしてブロックチェーンを使用した侵害を防ぐ計画を求めるPayPalの申請書をチェックしている。

それをチェックしよう。

#1.インテルのデータディフェンダー

機械学習モデルの作成には、多くの時間、エネルギー、労力、特にデータが必要です。そのためインテルは、多くの人が自分たちの苦労を内に秘めておきたいと考えていることを理解しています。

同社は、機械学習モデルとそのトレーニングに使用されるデータのプライバシーを保護するために、「安全なモデルの生成とテスト」技術に関する特許を申請した。 Intel のシステムを使用すると、ユーザーは「ハードウェアで保護された空間」、つまり「攻撃の可能性を減らすためにさまざまなハードウェア アーキテクチャ内で ML モデルを保護する」物理システムで機械学習モデルを作成、トレーニング、保存できます。モデルのトレーニングに使用される個人を特定できる情報の一部を変更して、モデルが悪者として特定される可能性を減らします。

アクセスを取得して機械学習モデルを解放するために、このシステムは「分散およびマルチパーティ分析」を実行して、アクセスを取得しようとしている人がモデルのトレーニングに使用されたデータを一切参照できないことを確認します。

基本的に、Intel は、トレーニング中に供給されたデータを同時に解放することなくアクセスできる AI モデルを安全に保存するボールトを作成しました。その結果、個人データや個人を特定できるデータが悪者の手に渡ることを心配することなく、AI モデルを「自由に配布」することができます。

「ML モデルは、個人を特定できる情報など、実世界の機密データや個人的なデータに基づいてトレーニングされる可能性がある」とインテルは提出書類で述べています。 「機密データや個人データの大規模な収集にはリスクが伴います。機密データの取り扱いを誤ると、プライバシー、ビジネス、経済の観点から壊滅的な結果が生じる可能性があります。」

写真は米国特許商標庁経由。

NexOpticの AI テクノロジー担当副社長である Kevin Gordon 氏は、モデルが名前、住所、電話番号、さらには運転免許証や社会保障番号などに基づいてトレーニングされることが多いことを考えると、AI トレーニング データを安全に保つことが重要であると述べています。

ゴードン氏は、第三者が作成した AI モデルを悪意のある者が入手した場合、リバース エンジニアリングして、モデルがトレーニングされたデータにアクセスする可能性があると指摘しました。しかし、データを内部にロックし続ける物理的障壁を実装すると、これを軽減できます。

「これらの ML モデルは非常にデータを必要とし、通常は私たちのプライベート データを必要とします」とゴードン氏は述べています。 「攻撃者がブラックボックス AI モデルを入手すると、トレーニング プロセスに投入された入力の一部を再生成できます。したがって、機密情報を入力している場合、それを突いたり突いたりすることで情報が漏洩する可能性があります。

機械学習モデル自体を保護する特許が開発者に関連していることはすでに見てきました (これについて詳しくは、先週のPatent Drop で詳細に説明した、AI モデルに透かしを入れるブーズ・アレンの特許出願をご覧ください)。 AI モデルの良さは、トレーニングに使用するデータによって決まります。そのため、個人のプライバシーと企業の知的財産の両方を保護するためには、そのデータを安全に保つことが重要です (正直に言うと、企業はおそらくそっちのほうを重視しています)。

IntelはNvidiaなどに比べてAIチップの販売で出遅れているが、機械学習モデルを安全に保つためのハードウェアは、市場シェアの一部を取り戻すという同社の計画の一部である可能性がある。特許を取得すれば、インテルは単なるプロバイダーではなく、指数関数的に成長する市場においてこの種の AI データ保護のプロバイダーになる可能性があります。

#2.アドビがニューラルネットワークを教育

ニューラル ネットワークは子供のようなものです。成長するには大量のリソースが必要です。アドビは、就学前から大学まで、いくつかの短いステップで到達できるようにしたいと考えています。

同社はニューラルネットワークの「リソースアウェアトレーニング」に関する特許を出願した。内訳すると、この技術は、ニューラル ネットワーク内のどのニューロンが「死んだ」か「生き残った」かを識別することで機能し、死んだニューロンは「タスクを確実に達成するネットワークの能力にほとんど、またはまったく影響を与えない」ニューロンとして定義されます。これらの死んだニューロンは、本質的に生き残ったニューロンと織り交ぜることによって「再生」ニューロンに変換されます。

これがどのようにリソースを節約するのか疑問に思っているなら、トレーニング システムはニューラル ネットワーク内のすべてのニューロンを可能な限り効率的にします。つまり、無駄な重みを取り除き、より良いものになるように再トレーニングすることであり、一日の終わりにタスクを完了するのに役立たないニューラル ネットワークのトレーニング部分にコンピューティング パワーを無駄にしないことを意味します。

まだ混乱している場合は、次のように考えてください。室内の机の上で植物がしおれてしまった場合、同じ環境で他の卓上植物が育っているからといって、その植物が再び生き返ることを期待して時間と水を無駄にしないでください。 。さっそく庭に植えてみましょう。

写真は米国特許商標庁経由。

NexOpticの Kevin Gordon 氏は、ニューラル ネットワークから機能していない部分を取り除くプロセスは何十年も前から存在していると語った。しかし、Adobe は、ネットワークの機能をサポートするために、障害が発生したニューロンを再統合し、再トレーニングすることで、無駄を省き、無駄を省きます。

「枝刈りのステップでは、100% の容量を持つネットワークができますが、必要のないニューロンを切り落とし始めます…なぜなら、それらは貢献していないからです」とゴードン氏は言います。 「代わりに、ネットワークを最大限に活用できるように、プルーニングするサブネットワークの種類を特定し、それを具体的にトレーニングします。それが斬新であることは間違いありません。」

Adobe が指摘したように、このプロセスは計算リソースも節約できますが、AI モデルのトレーニングが環境にとってあまり良くないことを考えると、これはますます重要な要素になります。 AI モデルは大量のエネルギーを消費し、1 つの AI モデルをトレーニングすると数十万ポンドの CO2 排出が発生する可能性があります。プロセスのどの部分でもエネルギーを節約することで、環境への負担を少しでも軽減できます。

では、なぜアドビにとってニューラルネットワークがそれほど重要なのでしょうか?同社は提出書類の中で、このタイプの AI は「画像認識や物体検出などの視覚的なタスク」を完了する上で重要な部分を占めており、写真やビデオに関連する AI のリーダーになるべく懸命に取り組んでいると述べています。同社は、ニューラルネットワークで動作するビューティエディターやファイルレンダリングを改善するための機械学習モデルなど、AIをスイートに統合するためのいくつかの特許を取得しようとしており、最近ではFireflyと呼ばれる独自の生成AIツールを立ち上げ、同社は月曜日にこれを統合すると発表した。ビデオおよびオーディオ編集ソフトウェア。さらに、同社は過去 10 年間、ビジュアル AI の「研究面でも強かった」とゴードン氏は付け加えた。

アドビは、CanvaやFigmaのような競合他社に先んじなければならないというプレッシャーの中で、AIにしがみついている可能性がある…少なくとも同社が昨年Figmaを200億ドルで買収する前には、とゴードン氏は語った。 「市場には（Adobe）に対する大きな脅威がある」と同氏は語った。 「彼らは、多くのクリエイティブ ツールに関して事実上の標準のようなものを持っています…しかし今、これらの AI ツールを使用することで、彼らは本当に次のレベルに引き上げられます。」

#3. PayPal の (b) ロックとキー

PayPalは、暗号通貨取引やNFT購入以上の目的でブロックチェーンを使用したいと考えています。

同社は、ブロックチェーンを使用して身元を確認および認証するシステムの特許を取得しようとしています。まず、ユーザーは、ユーザー名、パスワード、住所、電話番号、クレジット カード情報などの資格情報をアップロードし、ブロックチェーンに保存します。ユーザーがトランザクションを処理するためにそれらにアクセスしたい場合、システムはそれらの資格情報へのアクセスに使用できる「ユーザー公開キー」を生成します。

資格情報は、PayPal が「アイデンティティ トークン」と呼ぶものに保存されます。このトークンには、状況に応じて特定の制約 (つまり、数分以内のログインに使用する必要がある、または特定のトランザクションにのみ使用できる) が設定されており、トランザクション サーバーに送信されます。

これは、デジタル キーチェーンまたはパスワード マネージャーのより安全なバージョンと考えてください。このプロセスでは、漏洩した場合にユーザーのプライバシーを侵害する可能性がある個人情報の保存に追加の防御層が追加されます。

「オンラインでの個人情報の盗難が年々増加しているため、ユーザーの認証情報の盗難はセキュリティ上のより大きな懸念事項となっている」とPayPalは提出書類の中で述べている。 「必要とされているのは、ユーザーの資格情報を従来のシステムよりも安全に保存し、ユーザーを認証するために対象を絞った資格情報を提供するシステムです。」

写真は米国特許商標庁経由。

暗号通貨スタートアップ Launchpad BHeroの CEO、マリウス グリゴラス氏は、「データの不変性、分散化、強力な暗号化」など、ブロックチェーン テクノロジーをセキュリティに実装する方法はたくさんあると語った。ブロックチェーン自体は、不正行為を追跡できる公開取引台帳によって透明性を促進し、その分散型アーキテクチャにより「単一障害点」のリスクを最小限に抑えることができると同氏は付け加えた。

PayPalの特許出願を見ると、ブロックチェーンは「改ざん防止され検証可能なユーザー資格情報の記録を作成できるため、仲介業者に頼ることなくシームレスな認証が可能になる」とグリゴラス氏は述べ、これによりデータ侵害を「大幅に」削減できる可能性があると述べた。

このようにセキュリティにおけるブロックチェーンの利用は、金融サービス企業をはるかに超えて広がる可能性があるとグリゴラス氏は指摘した。この技術は、サプライ チェーン管理、ヘルスケア、ソーシャル メディアなど、機密データを扱うあらゆる業界に適用できます。

それでも、PayPal のようなフィンテック企業は、豊富な重要な個人データや個人データにアクセスする傾向があります。 PayPal 自体も、クレジット カード情報から誕生日や社会保障番号に至るまであらゆるものを保存できる機能を備えた「個人データ ウォレット」の特許を取得する試みの中で、ここ数カ月でこのことを認めました。

しかし注目すべきは、今年初めに35,000人以上のユーザーの資格情報が脆弱になった大規模なセキュリティ侵害のさなか、PayPalの個人データセキュリティに関する実績が炎上したことである。企業が個人データの拠点になりたいのであれば、防御を強化することが不可欠です。

エクストラドロップ

出発する前に、他にもいくつか楽しいことがあります。

ほかに何かあたらしいことは？

コメント、ヒント、提案がありますか?ぜひご連絡ください。 [email protected]に電子メールを送信するか、Twitter @patentdropの DM でご連絡ください。

今すぐ購読する