Seminars at the Institute of Computer Science PAS:

Streszczenie (autorskie):

In order to plan, evaluate, and learn actions, such as defenses against network (e.g., DDoS or MitM on SDN) or physical attacks, crises, calamities, or overload mitigation, we need to quantify their efficiency. Unlike tailor-made and unscalable existing functions, our theoretical work presents natural requirements from a general scalable efficiency function and provides a natural definition, uniquely characterized by those requirements. Special cases of that definition were used in past network defense evaluations. We then provide and equivalent definition by linearly combining simpler equations. Finally, we generalize the definition to any number of outcomes, which allows to quantify efficiency in complex multi-input and multi-output scenarios.

Streszczenie (autorskie):

Scentralizowane systemy głosowania wymagają zaufania do administratorów, z kolei ich bezpośrednie przeniesienie na publiczny blockchain wymusza kompromis między powszechną weryfikowalnością a prywatnością wyborców. Istniejące rozwiązania klasy privacy-preserving (np. Semaphore, MACI) wymuszają kompromis między ujawnianiem wyników cząstkowych w czasie rzeczywistym a wprowadzaniem zaufanego koordynatora. Podczas seminarium zaprezentowany zostanie protokół, który rozwiązuje ten problem, łącząc dowody wiedzy zerowej zk-SNARK ze schematem Commit-Reveal operujący na maszynie wirtualnej Ethereum. Rozwiązanie to eliminuje zaufaną stronę trzecią, zapewniając przy tym pełną tajność w trakcie głosowania. Referat obejmie omówienie kryptograficznego sposobu weryfikacji prawa głosu oraz mechanizm zapobiegający wielokrotnemu oddaniu głosu. Omówione zostaną również ograniczenia systemu: granice skalowalności oraz model bezpieczeństwa w kontekście typowych ataków i odporności na przymus.

Streszczenie (autorskie):

Gwałtownemu rozwojowi dziedziny sztucznej inteligencji towarzyszy równie gwałtowny wzrost oporu wobec niej. Przyczyną są tu coraz bardziej dominujące algorytmy o rosnącej złożoności, coraz częściej typu „czarnej skrzynki”, których wyniki stają się coraz trudniejsze do zrozumienia dla użytkowników. Firmy i przemysł domagają się uzasadnień decyzji sugerowanych przez systemy AI. To oczekiwanie klientów systemów AI doprowadziło do rozwoju gałęzi AI zwanej „sztuczną inteligencją dającą się wyjaśnić” (XAI).

Do metod "czarnoskrzynkowych" w obszarze metod analizy skupień należą m.in. metody tzw. Grafowej Analizy Spektralnej (GSA). W niniejszym referacie przedstawimy wyniki prac prowadzonych przez ZPSI IPI PAN ukierunkowanych na XAI dla GSA. Kładliśmy szczególny nacisk na tzw. wyjaśnialność przyczynową dla analizy skupień dokumentów tekstowych. Trzy kierunki naszych prac obejmują:

• klasyczne zastosowania GSC - w przestrzeni wektorów własnych laplasjanów macierzy podobieństwa,
• nowatorskie użycie GSC - w przestrzeni spektrów wartości własnych,
• analityczne badanie własności granicznych w GSC