தங்களுடைய திரினிட்டிய ஒலி பிளேயரை தயாராக்கும் பணியாளர். . . கிட்டத்தட்ட சில மாதங்களுக்கு முன், அமெரிக்க கடற்படை (US Navy) தனியார் துறையினர் ஒத்துழைப்பு பெற ஒரு திட்டத்தை அறிவித்தது. இது NAVAL AIR WARFARE CENTER AIRCRAFT DIVISION (NAWCAD) வடிவமைத்த பிளாக்சைன் அடிப்படையிலான பாதுகாப்பு தளம் olan PARANOID-ஐ வணிகமயப்படுத்துவதற்கான முயற்சி. PARANOID—பெரும் அங்கீகாரம் முறை என்பதின்缩短ம்—பணிக்கு ஒப்பந்தப்பட்ட ஒபரேஷன்களுக்கு பாதுகாப்பை வழங்கும் நோக்குடன், மென்பொருள் வளர்ச்சி சூழல்களின் பாதிப்புகளை தடுக்கும் வகையில் உருவாக்கப்பட்டது. இத்தளம் மென்பொருள் வளர்ச்சி முழுவதும் மென்பொருள் அக்கறையை உறுதி செய்வதற்கும் அபாயங்களைக் கண்டறிதலும் பயன்படுத்தப்படுகிறது. சைபர் கொடுப்பனவுகள் மற்றும் பாதுகாப்பு குறைபாடுகள் குறித்து அதிக கவலைகள் ஏற்பட்டவுடன், கடற்படையை வசதியாக, PARANOID இன் தனித்துவங்களை மேம்படுத்தவும் விரிவாக்கவும், ஒரு வணிக துணைப் பங்கு தேவைப்பட்டது. அதைவெற்றி, Veridat, கடற்படையுடன் கூட்டு ஆராய்ச்சி மற்றும் முன்னேற்றக் குடும்பத்தின் ஒப்பந்தம் (CRADA) பெற, துறையில் முக்கிய பங்காக உருப்படுத்தப்பட்டு, உற்பத்தித் திட்டத்தை ஒன்றாக மேம்படுத்தியது. "உண்மையில், கடற்படை தங்களுடைய ஆரம்ப தரைப்படுத்தலை விரிவடையும் நோக்கில் நம்மை தேர்ந்தெடுத்தது, " என்று Veridat நிறுவன நிறுவனர் ராபர்ட் ஹூபர் கூறினார். "CRADA-ზე கையெழுத்திடுவதற்கு பிறகே, நாங்கள் PARANOID-ஐ பொதுவான பயன்பாடுகளுக்காக முன்னெடுத்து வருகிறோம். " கடற்படைக்கு பிளாக்சைன் பாதுகாப்பு காரணம்? படை ஆண்டுகளும், விமானங்களும் மற்றும் பாதுகாப்பு அமைப்புகளும் பெரும்பாலும் மென்பொருளைப் சார்ந்து செயற்படுகின்றன, இது பல சைபர் தாக்குதல்களுக்கு வழிவகுக்கும். இதை குறைக்கும் வகையில், கடற்படை PARANOID-ஐ பிளாக்சைன் தொழில்நுட்பம் கொண்டு உருவாக்கி, மென்பொருள் அக்கறையை உறுதிசெய்யும் வகையில், எந்தவொரு அனுமதியில்லாத மாற்றங்களையும் கண்டறிவதற்கான பாதுகாப்பு அமைப்பை நிறுவியுள்ளது. PARANOID எப்படி பாதுகாக்கிறது? PARANOID என்பது நிலையான பாதுகாப்பு பதிவு போல செயல்படுகிறது, இது மென்பொருள் வளர்ச்சி, குறியீடு எழுதும்போது, தொகுக்கும்போது அல்லது மாற்றங்களுக்குள், ഒவ்வொன்றும் பிளாக்சைன் பதிவுகளில் பதிவு செய்கிறது. இதனால் ஒரு வெளியில் பார்ப்பதன் மூலம், யார் முதல் மாற்றங்களை செய்தது, எப்போது என்பதை தெரிந்துகொள்ள முடியும். ஏற்று முன்பே, மென்பொருள் தொகுப்புகள் பிளாக்சைன் பதிவுகளுக்கு ஒப்பிடப்பட்டு, அனுமதியில்லாத மாற்றங்கள் ஏற்பட்டால், எச்சரிக்கை விளுண்டு அந்த நிறுவலைத் தடுக்கும். இது வெவ்வேறு தொழில்கள்에서 முக்கியமான பதிப்பாக செயல்படுகிறது மற்றும் சிறுதாண்டுகளுக்கு மிக அவசியமான பாதுகாப்பு பாதுகாத்தல், குறிப்பாக, சிறிய மாற்றங்களும் பெரிய பிரச்சனைகளும் ஏற்படக் கூடிய முக்கிய சூழல்களில், இது மிகவும் அவசியம். Veridat-ன் தொழில்நுட்பத்தை PARANOID மூலம் பரப்பவாறு? படைத்திட்டத்தின் முதல் பங்களிப்பாக, PARANOID பாதுகாப்பு நெறிமுறையை தொழில் துறைகளுக்கும் விரிவாக்க முடியுமான வகையில், அதன் தொழில்நுட்பம் உள்ளது.

Veridat அவற்றைப் பற்றி எண்ணுகிறது, அவை ஆராய்ச்சி மற்றும் பாதுகாப்பு நம்பிக்கை மிக முக்கியமான, எவ்வாறு அதிகாரப் பொருட்கள், சரக்குகள், சப்ளை சைக்கிள்கள் மற்றும் செயற்கை நுண்ணறிவில் (AI) பயன்படும். ஹூபர் கூறுகிறார், AI பாதுகாப்பான வெற்றி செயல்விளைவுகளில், கண்காணிப்பு நம்பிக்கையை உறுதி செய்வதற்கும், தொழில்நுட்ப பாதுகாப்புக்கும் PARANOID சாத்தியமான தீர்வு ஆகும். “PARANOID, AI பயிற்சி பணிகளுக்கு பாதுகாப்பு வழங்கி, பாதுகாக்கும் அமைப்பை உறுதி செய்யும் விதமாக அமைக்க முடியும், ” அவர் விளக்குகிறார். “AI கருவிகளுக்கு தீங்கு செய்வதை உறுதி செய்வது மிக முக்கியமான தரத்தை நிலைப்படுத்தும். ” AI துறையிலும் உள்ள "கருப்பு பெட்டி" பிரச்சனைக்கு உள்ள வழி? AI மாடல்கள் எப்படி செயல்படுகின்றன என்பதின் வெளிப்படைத்தன்மையை, உருவாக்குநர்களுக்கும், அதேவேளை, திருத்தங்களையும் பரிசோதனை செய்யும் வகையில், நிலையான மற்றும் சரியான பதிவுகளை கொண்டிருப்பது எதிர்க்கட்கும் முக்கிய அம்சம். இதுபோன்ற நிலைத்தன்மை மற்றும் சரிபார்க்கும் இயல்பு, AI-யின் பயிற்சி மற்றும் செயல்பாடுகளில் முக்கியமாக உள்ளது. புதிய நம்பிக்கை தரங்க இன்றைய โลกில், பல அமைப்புகளும் ஒருங்கிணைந்த அமைப்புகளும், தன்னிச்சையான செயலிகள், மற்றும் தரவு சார்ந்த முடிவுகள், சைபர் ஆபத்துகளுக்கு மிக கூடிய நிலையை உருவாக்குகின்றன, குறியீடுகளை மாற்றுதல், அல்லது தரவை கைகூடுதல் போன்றவைகளுக்கு, இவை பெரிதும் பாதிப்பை ஏற்படுத்தும். நம்பிக்கை மற்றும் பாதுகாப்பு, செயற்பாட்டின் நம்பகத்தன்மை மற்றும் திறனுக்குத் தேவையாகும். இத்துடன், சரியான பாதுகாப்பு இல்லாமல் இருந்தால், நிறுவனங்கள் பணப்பரிசீலனையில் இழப்புகை மற்றும் புகழ்தரப்புக்கு ஆபத்து வருகின்றது. இந்த நிலைமை, ஒரு உள்ளடக்கிய நம்பிக்கை தரங்கத்தை உருவாக்க வேண்டிய அவசியத்தை காட்டுகிறது. இது, ஊடக தரவின் தவறு இன்றி, நிரபேத பணிச்செயல் மற்றும் எதிர்வினைகள் நம்பகமான முறையில் நிறைவேற்றப்பட உதவும். ஹூபர், AI-யின் பாதுகாப்புக்கான இந்த தேர்வுகள், சான்றளிப்பதற்கும், தொழில் மற்றும் அமைப்புகளுக்கு இடையேயும் பாதுகாப்பான நம்பிக்கை உறுதிப்படுத்தும் பணியாற்றும். "NAWCAD உடன் கூட்டு பணிகள் மூலம், AI மாடல்கள் சரியாக செயல்படுவதை உறுதி செய்யும், தரவு பாதுகாப்புத்துவம், மற்றும் முடிவுகளை விளக்கக்கூடிய, பரிசோதிக்கக்கூடிய பண்புகள் உருவாக்குவோம், ” என்று ஹூபர் கூறுகிறார். NAVAIR பொது அறிவிப்பு 2025-0291. பகுதி A – பொது வெளியீட்டுக்கு ஒப்புதல்; எல்லா இடங்களிலும் விநியோகிக்கலாம். Watch: தரவு நம்பிக்கைக்கும் பிளாக்சைன் தொழில்நுட்பமும்