大模型对齐与安全

Secure and Privacy-Preserving Federated Learning for Next-Generation Underground Mine Safety

面向下一代地下矿山安全的安全且隐私保护的联邦学习

Mohamed Elmahallawy, Sanjay Madria, Samuel Frimpong

机构 * 2 School of Engineering ； Applied Science, Washington State University, Richland, WA 99354, USA ； 3 Computer Science Department, Missouri University of Science ； 4 Explosive \& Mining Engineering Department, Missouri University of Science 纠错

专题命中 隐私与版权 ：safety(title,abstract)；分类 cs.LG

AI总结 FedMining通过去中心化功能加密和平衡聚合机制，解决地下采矿中隐私保护和模型收敛问题，实现安全高效的联邦学习应用。

Decentralized Trust for Space AI: Blockchain-Based Federated Learning Across Multi-Vendor LEO Satellite Networks

去中心化信任用于空间AI：基于区块链的多供应商LEO卫星网络联邦学习

Mohamed Elmahallawy, Asma Jodeiri Akbarfam

专题命中 隐私与版权 ：trustworthy(abstract)；分类 cs.LG

AI总结 OrbitChain通过区块链技术实现多供应商LEO卫星网络中的去中心化信任，提升联邦学习的隐私、安全性和模型准确性。