来自麻省理工学院(MIT)的研究人员开发出了能够为低功耗设备提供加密的处理器。
物联网(IoT)包括嵌入式工业传感器、智能照明和监控系统等,可为企业带来宝贵价值。
这些设备要求功耗极低,可以在低功耗广域网(LPWAN)上运行,并在过去几年中迅速进入企业、工业现场和消费领域。
但是,当没有足够可用的动力时,安全可能就会成问题,因为没有资源或手段来实施传统的安全解决方案。
例如,加密是当今物联网设备的一个难点。虽然我们的许多在线交易和通信都受到公钥密码技术的保护,但由于缺乏电力和内存,许多物联网设备无法支持单独的加密。
然而,麻省理工学院的研究人员可能已经解决了加密方面的挑战。
电气工程师和计算机科学家组成的团队开发了一种新型芯片,用于公钥加密硬连线,消费者通常只消耗功率标准协议的1/400。
此外,这些处理器进行加密所需的内存仅为普通加密的10%,研究人员说,这些处理器执行命令的速度提高了500倍。
该芯片使用所谓的椭圆曲线加密,这依赖于一系列的数学函数和曲线来提高安全性——麻省理工的芯片被设计用于处理任何曲率。
该团队将处理加密格式化和传输的数据报传输层安全协议硬连接到芯片设计中,以及能够处理额外的基于椭圆曲线的安全协议的处理器。但是,这款处理器在不用时可以关闭以提高能源效率。
此外,他们还采用了定制逆变器电路将可用的表面积提高10%,同时能耗降低50%。
Utsav Banerjee是麻省理工学院的一名研究生,他在一份记录研究报告的论文中写道:“密码学家研究具有不同属性的曲线,并使用不同的素数。关于哪条曲线是安全的、使用哪条曲线存在着很多争议,并且很多政府有不同的标准,他们站出来谈论不同的曲线。”
“借助这款芯片,我们可以支持所有这些曲线,并希望未来有新的曲线出现时,我们也可以支持它们,”Banerjee补充道。
研究结果将在本周在国际固态电路会议上发表。
9月,IBM和麻省理工学院将联合建立全新的人工智能研究中心:MIT-IBM沃森人工智能实验室(MIT-IBM Watson AI Lab),专注于人工智能、医疗和网络安全。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。