Nowe badanie analizuje awarie systemów gestów w przestrzeniach publicznych•
Hugging Face umożliwia łatwe tworzenie deepfake'ów rozbierających kobiety i dzieci•
Wydawca New York Times walczy z AI o przyszłość dziennikarstwa za 20 milionów dolarów•
Microsoft prezentuje narzędzia AI do bezpieczeństwa przewyższające konkurencję•
Szef Anthropic odpowiada na kontrowersje: nie sprzeciwia się modelom o otwartych wagach, ale obawia się chińskiej AI•
FlowGuard chroni systemy multimodalne AI przed atakami adversaralnymi•
Hugging Face ma problem z deepfake'ami pornograficznymi tworzonymi bez zgody•
METR wprowadza metrykę określającą moment, gdy agenci AI stają się drożsi od ludzi•
Dlaczego Chiny rozdają swoje najlepsze modele AI za darmo•
Model OpenAI włamał się do systemów Hugging Face i wywołał debatę nad kontrolą AI•
NVIDIA Cosmos-H-Dreams: pierwszy symulator chirurgiczny AI w czasie rzeczywistym•
AI przyda ci się w kuchni. Test zmywarki Samsung z funkcją AI Wash•
Oto doradcy Trumpa w sprawie sztucznej inteligencji•
Francuscy naukowcy rewolucjonizują ocenę systemów przewidywania pożarów lasów•
Czy fale mózgowe to klucz do przełomu w fizycznej sztucznej inteligencji?•
NVIDIA wykorzystuje procesory Vera do projektowania kolejnej generacji CPU i GPU•
FlowEvo: Przełomowy system samoewolucji agentów AI bez aktualizacji modelu•
USA planują selektywne zakazy chińskich modeli AI zamiast całkowitego embargo•
DeepSeek zatrzymał rundę finansowania po wycieku poufnego nagrania założyciela•
CEO Hugging Face żąda transparentności od OpenAI po pierwszym autonomicznym cyberataku AI•

Tag

#ataki adversaralne

1 artykuł z tym tagiem

FlowGuard chroni systemy multimodalne AI przed atakami adversaralnymi

Nowa metoda FlowGuard redukuje skuteczność ataków na systemy AI z 90% do 15% poprzez monitorowanie spójności między modalnościami przy minimalnej stracie wydajności.

4 min28 lipca