标签
苹果推出“Apple Reference Image”，这是一项为iPhone打造的相机安全模式，能够确保摄影的可验证性并保护隐私，将首次在iPhone 18 Pro和Pro Max机型上亮相。
这篇文章介绍了世界上首个对专有AI模型的双盲评估，使用加密环境来防止基准污染，增强对AI安全评估的信任。
本文探讨了针对Large Audio-Language Models的机器遗忘技术，以移除语音问答任务中的敏感信息，并展示了将隐私泄露降低高达80%同时保持性能的方法。
本文认为联邦学习并非针对提取式AI的完整解决方案，重点讨论创意社区的治理层次，并提出一个治理模型和联邦的数据公地的设计原则。
本文提出一种透明框架，将语音声学特征与DSM-5抑郁指标相关联，实现可解释的检测。该框架在商品硬件上本地运行以保护隐私。
Google DeepMind正在试点全球首个针对前沿AI模型的双盲评估，以确保安全可信的外部评估，并与Singapore AI Safety Institute和MLCommons等组织合作。
Anthropic 通过其 Anthropic Insights 工具，使外部研究人员能够独立使用真实且隐私保护的Claude使用数据来研究人工智能的影响，这标志着此类数据首次在AI实验室之外可访问。
PANDA 是一个可扩展的系统，使用零知识证明来验证神经网络的鲁棒性和公平性，无需揭示模型参数，从而能够对具有多项式复杂度的大型网络进行认证。
CutClean 是一种针对神经网络的隐私感知剪枝方法，通过在增加稀疏性的同时减少私人信息泄露，利用辅助隐私头来量化和缓解隐私风险。
本文比较了Privatemode、Tinfoil、NEAR AI和Chutes的机密推理API，重点介绍了它们的安全功能，如端到端加密和可信执行环境，以及在模型选择和验证成熟度方面的权衡。
QFedPolyp 提出了一种用于息肉分割的联邦学习框架，该框架利用量化感知训练来降低通信成本并实现更快的推理，同时保护隐私。
本文提出了重复欺骗路径规划（RDPP）以及一种名为欺骗元规划（DeMP）的新框架，使智能体能够在面对会随时间学习并适应的观察者的情况下维持欺骗能力。