ระบบเข้ารหัสปกป้องคอมพิวเตอร์จากโปรแกรมสอดแนม

ภาพจาก  Tohoku University (Japan)

ทีมนักวิจัยนานาชาติได้สร้างรหัสลับแบบสุ่มของแคชที่มีประสิทธิภาพ เพื่อป้องกันการโจมตีแคชแบบช่องด้านข้าง (side-channel attack) 

Rei Ueno จาก Tohoku University ในญี่ปุ่นได้ทำงานร่วมกับเพื่อนร่วมงานจาก Nippon Telegraph and Telephone และ Ruhr University Bochum ของเยอรมนีเพื่อพัฒนารหัสลับที่พัฒนาขึ้นจากสูตรทางคณิตศาสตร์ที่ครอบคลุม และการจำลองการโจมตีแคชแบบช่องด้านข้าง

นักวิจัยกล่าวว่ารหัสลับ SCARF (Secure CAche Randomization Function) สามารถทำให้การสุ่มเสร็จสมบูรณ์โดยใช้เวลาแฝงเพียงครึ่งเดียวของวิธีการเข้ารหัสในปัจจุบัน

Ueno กล่าวว่า SCARF "ได้รับการออกแบบทางวิศวกรรมให้เข้ากันได้กับสถาปัตยกรรมคอมพิวเตอร์สมัยใหม่รูปแบบต่าง ๆ  เพื่อให้มั่นใจว่าสามารถใช้งานได้อย่างแพร่หลายและมีศักยภาพในการเสริมความปลอดภัยของคอมพิวเตอร์อย่างมีนัยสำคัญ"

อ่านข่าวเต็มได้ที่: Tohoku University (Japan)

ยาเม็ดที่พิมพ์จากเครื่องพิมพ์สามมิติ

Photo by Towfiqu barbhuiya on Unsplash

นักวิทยาศาสตร์คอมพิวเตอร์ที่ Max Planck Institute for Informatics ของเยอรมนีและ University of California ได้พิมพ์ยาเม็ดที่ละลายได้ในของเหลวจากเครื่องพิมพ์สามมิติ  โดยใช้ตัวแบบทางคณิตศาสตร์เพื่อกำหนดค่าการปล่อยสารออกฤทธิ์ในปริมาณที่ต้องการ

พวกเขาใช้วัสดุที่ละลายน้ำได้เพื่อพิมพ์รูปทรงเหล่านี้แบบ 3 มิติ วิธีการนี้ยังสามารถคำนึงถึงข้อจำกัดด้านการเลือกรูปร่างในกระบวนการผลิต

อ่านข่าวเต็มได้ที่: Max Planck Gesellschaft (Germany)

ซอฟต์แวร์ออกแบบการรักษาที่เหมาะสมและเฉพาะคนสำหรับรักษาการเคลื่อนไหวบกพร่อง

ภาพจาก Rice University News

แพทย์สามารถใช้ซอฟต์แวร์เปิดเผยโค้ดต้นฉบับ (open source) ที่เผยแพร่โดยวิศวกรของ Rice University เพื่อเพิ่มประสิทธิภาพและปรับแต่งการรักษาสำหรับความบกพร่องทางการเคลื่อนไหวทางระบบประสาทและกระดูก โดยการจำลองวิธีการเคลื่อนไหวของผู้ป่วยแต่ละราย

ซอฟต์แวร์ Neuromusculoskeletal Modeling Pipeline รวมเอาตัวแบบของการควบคุมระบบประสาทส่วนกลาง การสร้างแรงของกล้ามเนื้อ และการใช้พลังงานเมแทบอลิซึม

นักวิจัยได้คาดการณ์หลายอย่างเกี่ยวกับวิธีที่ผู้ป่วยโรคหลอดเลือดสมองจะเดินด้วยความเร็วที่เร็วที่สุดและยังเดินได้สบายอยู่ที่ 0.8 เมตร (2.6 ฟุต) ต่อวินาที โดยพิจารณาจากการเดินหลังจากหายจากอาการที่ความเร็ว 0.5 เมตร (1.6 ฟุต) ต่อวินาที พวกเขากำหนดแนวทางการรักษาที่ดีที่สุดจากการคาดการณ์เหล่านี้

B.J. Fregly แห่งไรซ์กล่าวว่า "แพทย์ที่ทำงานร่วมกับวิศวกรสามารถใช้ซอฟต์แวร์ของเราเพื่อคาดการณ์ที่ชัดเจนและเป็นกลาง ซึ่งไม่เพียงแต่กำจัดการรักษาที่ไม่ได้ผลหรือเป็นอันตรายเท่านั้น แต่ยังสร้างวิธีการที่คาดไม่ถึงที่มีประสิทธิภาพสูงอีกด้วย"

อ่านข่าวเต็มได้ที่: Rice University News

นักวิจัยใช้ AI สู้กับข้อความสร้างความเกลียดชังออนไลน์

ภาพจาก University of Michigan Computer Science and Engineering

นักวิจัยจาก University of Michigan (U-M) ทำงานร่วมกับเพื่อนร่วมงานที่ Microsoft เพื่อสร้างเครื่องมือสำหรับตรวจจับคำพูดแสดงความเกลียดชังทางออนไลน์โดยการรวมตัวแบบการเรียนรู้เชิงลึกและกลยุทธ์ rules-based แบบดั้งเดิม

แนวทางของ Rule By Example (RBE) "จับคู่กฎเชิงตรรกะที่สามารถอธิบายได้ดีกับ [ตัวอย่างคำพูดแสดงความเกลียดชัง] จากนั้นเข้ารหัสและเรียนรู้กฎเหล่านี้" Christopher Clarke จาก U-M กล่าว

RBE สามารถคาดการณ์และจัดหมวดหมู่คำพูดแสดงความเกลียดชังทางออนไลน์ได้อย่างแม่นยำโดยใช้กฎและตัวเข้ารหัสข้อความเพื่อเรียนรู้ที่แนวโน้ม การฝังเนื้อหาแสดงความเกลียดชังอย่างชัดเจน และกฎพื้นฐานของสิ่งเหล่านั้น

เฟรมเวิร์กยังสร้างความโปร่งใสด้วยการอนุญาตให้ผู้ใช้ดูปัจจัยที่กำหนดความแม่นยำของตัวแบบ RBE มีความแม่นยำมากกว่าตัวแยกประเภทที่เป็นคู่แข่งที่ใกล้เคียงที่สุด 2%

อ่านข่าวเต็มได้ที่: University of Michigan Computer Science and Engineering

Llama และ chatGPT ไม่ได้เปิดเผยโค้ดต้นฉบับ

ภาพจาก  IEEE Spectrum

นักวิจัยที่ Radboud University ของเนเธอร์แลนด์ได้ประเมินตัวแบบภาษาขนาดใหญ่ (large language model) หรือ LLM ทั้งหมด  21 ตัวซึ่งระบุว่าเปิดเผยโค้ดต้นฉบับ (open source)  และได้เรียนรู้ว่าแบบจำลองส่วนใหญ่มีความเปิดจำกัดกว่าที่ระบุไว้อย่างมาก

นักวิจัยพบว่า ChatGPT ของ OpenAI ทำคะแนนได้แย่ที่สุดสำหรับความเปิดกว้าง โดยติดป้ายว่า "ปิด" ในการประเมินทั้งหมด ยกเว้น model card และ preprint ซึ่งได้รับสถานะ "บางส่วน"

Llama 2 ของ Meta เป็น LLM ที่ทำคะแนนได้แย่ที่สุดเป็นอันดับสอง แม้ว่าบริษัทสื่อสังคมออนไลน์จะอ้างว่าการเปิดตัวนี้มีจุดมุ่งหมายเพื่อทำให้ตัวแบบ "เข้าถึงได้สำหรับบุคคลทั่วไป ผู้สร้าง นักวิจัย และธุรกิจ เพื่อให้พวกเขาสามารถทดลอง สร้างสรรค์ และปรับขนาดความคิดของตนอย่างมีความรับผิดชอบ"

แม้ว่าตัวแบบที่มีขนาดเล็กกว่าและมุ่งเน้นการวิจัยจะเปิดกว้างกว่า ChatGPT หรือ Llama 2 แต่นักวิจัยกล่าวว่ามีเพียงไม่กี่รุ่นที่เปิดเผยการเรียนรู้เสริมกำลังด้วยฟังก์ชันป้อนกลับของมนุษย์ในรายละเอียดที่เพียงพอ และตัวแบบส่วนใหญ่ไม่ได้รับการตรวจสอบแบบ peer review

อ่านข่าวเต็มได้ที่: IEEE Spectrum