Rahul Vishwakarma 연구팀이 개발한 Conformalized GAN (cGAN)은 순응 예측 방법론을 GAN에 통합하여 통계적 신뢰성을 보장하는 합성 데이터 생성 프레임워크입니다. 다양한 순응 예측 기법을 활용하여 생성된 샘플의 불확실성을 정량화하고, 엄격한 수학적 증명을 통해 실제 데이터와의 통계적 관계를 확보합니다. 이는 고위험 분야에서도 안전하게 합성 데이터를 사용할 수 있도록 하는 획기적인 기술입니다.

본 기사는 Goksel Kucukkaya, Murat Ozer, Emrah Ugurlu 세 연구자가 발표한 Cy-VaR 모델을 소개하며, IoT 환경의 사이버 보안 위험을 금융적 손실로 정량화하여 효과적인 위험 관리 및 사이버 보안 투자 전략 수립을 지원하는 방법을 제시합니다.

본 연구는 러시아-우크라이나 분쟁 이후 증가한 인신매매 네트워크를 데이터 기반으로 분석하여 암호화폐와 암흑 웹의 악용 실태를 밝히고, 국제적 협력과 첨단 기술을 활용한 대응 전략을 제시합니다.

본 기사는 생성형 AI(GenAI)의 책임 있는 거버넌스 구축을 위한 최근 연구 결과를 소개합니다. 연구진은 적응력 있는 위험 평가, 지속적인 모니터링, 그리고 협업의 중요성을 강조하며, '책임 있는 GenAI 가이드(ResAI)'를 통해 기업의 윤리적이고 안전한 GenAI 활용을 위한 구체적인 방안을 제시합니다.

DyMU는 훈련이 필요 없는 효율적인 프레임워크로, 동적 토큰 병합 및 가상 분할 기술을 통해 VLMs의 계산 부하를 32~85%까지 줄이면서 성능 저하 없이 높은 성능을 유지합니다. 이미지 복잡도에 따라 동적으로 적응하고 사용자 제어 기능을 제공하는 것이 특징입니다.