یکی از بزرگترین چالشهای دنیای هوش مصنوعی، ذخیره حجم عظیم دادههای حساس بدون به خطر افتادن حریم خصوصی است. حالا محققان روشی به نام DP-DiPP را معرفی کردهاند که با ترکیب «مدلهای انتشار» (Diffusion Models) و «کدگذاری تصادفی»، انقلابی در این حوزه ایجاد میکند.
این متد اجازه میدهد تصاویر را با نرخ فشردهسازی ۱۰ تا ۳۰ برابر بهتر از روشهای فعلی فشرده کنیم، بدون اینکه امنیت و دقتِ «حریم خصوصی تفاضلی» (Differential Privacy) فدا شود. این دستاورد میتواند آینده ذخیرهسازی دادههای حساس در مدلهای یادگیری ماشین را تغییر دهد! 🧠✨
منبع: arXiv Machine Learning