Evaluating Architectural Safeguards for Uncertain AI Black-Box Components
Scheerer, Max
1
1 Institut für Informationssicherheit und Verlässlichkeit (KASTEL), Karlsruher Institut für Technologie (KIT)
11 Institut für Informationssicherheit und Verlässlichkeit (KASTEL), Karlsruher Institut für Technologie (KIT)
Abstract:
Although tremendous progress has been made in Artificial Intelligence (AI), it entails new challenges. The growing complexity of learning tasks requires more complex AI components, which increasingly exhibit unreliable behaviour. In this book, we present a model-driven approach to model architectural safeguards for AI components and analyse their effect on the overall system reliability.
| Zugehörige Institution(en) am KIT | Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) Institut für Informationssicherheit und Verlässlichkeit (KASTEL) |
| Publikationstyp | Hochschulschrift |
| Publikationsjahr | 2023 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-7315-1320-9 ISSN: 1867-0067 KITopen-ID: 1000161585 |
| Verlag | KIT Scientific Publishing |
| Umfang | XXVII, 429 S. |
| Serie | The Karlsruhe Series on Software Design and Quality / Ed. by Prof. Dr. Ralf Reussner ; 39 |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Informatik (INFORMATIK) |
| Institut | Institut für Informationssicherheit und Verlässlichkeit (KASTEL) |
| Prüfungsdaten | 09.05.2023 |
| Prüfungsdatum | 09.05.2023 |
| Schlagwörter | Softwaretechnik, architekturelle Zuverlässigkeitsanalyse, Absicherung von KI, Selbst-Adaptive Systeme, Software engineering, architectural reliability analysis, safeguarding AI, self-adaptive systems |
| Relationen in KITopen | |
| Referent/Betreuer | Reussner, Ralf Zöllner, J. Marius |