Artwork

เนื้อหาจัดทำโดย UNMUTE IT | Podcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก UNMUTE IT | Podcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal
Player FM - แอป Podcast
ออฟไลน์ด้วยแอป Player FM !

#72 Safeguarding Machine Learning Models in a Climate Tech World

59:24
 
แบ่งปัน
 

Manage episode 491768754 series 3545681
เนื้อหาจัดทำโดย UNMUTE IT | Podcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก UNMUTE IT | Podcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal

In dieser Episode diskutieren Ellen und Doreen die Risiken von Machine Learning in der Energiewende: Intelligente Stromnutzung kann Geld sparen und ML spielt bei der Nutzung erneuerbarer Energien eine wichtige Rolle. Doch diese Kombination birgt auch Risiken: Das Netz ist volatil und mögliche Angriffe können verheerende Folgen haben. Es geht daher auch um die Sicherheitsanfälligkeiten, die durch die Vernetzung von Geräten entstehen und um reale Angriffe auf Energieinfrastrukturen. Doch es gibt Strategien zur Verbesserung der Sicherheit von Machine Learning-Modellen, um diesen Herausforderungen zu begegnen.

CHAPTERS

(00:00) Einstiegsfrage

(08:14) Climate Tech und persönliche Erfahrungen

(10:31) Energiebedarf und Klimawandel

(17:27) Wissen über Energie und ihre Bedeutung

(17:28) Die Rolle von Machine Learning in der Energiewende

(27:03) Risiken von Machine Learning und Cybersecurity

(33:03) Typische Sicherheitsanfälligkeiten und Fallbeispiele

(41:21) Sicherheitsrisiken in der Energieversorgung

(44:15) Netzstabilität und ihre Herausforderungen

(46:04) Schutz von Machine Learning Modellen

(51:10) Cross-Skilling und Teamarbeit in der Sicherheit

(54:45) Die Bedeutung von Tests und Hacker-Gruppen

LINKS

  • https://www.golem.de/news/klimawandel-massiver-solarausbau-koennte-erde-bis-2050-abkuehlen-2503-194728.html
  • https://www.sciencedirect.com/science/article/pii/S0306261921007224
  • https://www.flaticon.com/free-icon/eco-house_15471480
  • https://www.iea.org/news/growth-in-global-electricity-demand-is-set-to-accelerate-in-the-coming-years-as-power-hungry-sectors-expand
  • https://www.utilitydive.com/news/minimize-artificial-intelligence-cyber-risks-to-energy-infrastructure-start-with-design/731446/
  • https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/
  • https://techxplore.com/news/2018-01-world-toaster-ai.html
  • https://www.forescout.com/resources/sun-down-research-report/
  • https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/
  • https://dcurt.is/thinking

  continue reading

87 ตอน

Artwork
iconแบ่งปัน
 
Manage episode 491768754 series 3545681
เนื้อหาจัดทำโดย UNMUTE IT | Podcast เนื้อหาพอดแคสต์ทั้งหมด รวมถึงตอน กราฟิก และคำอธิบายพอดแคสต์ได้รับการอัปโหลดและจัดหาให้โดยตรงจาก UNMUTE IT | Podcast หรือพันธมิตรแพลตฟอร์มพอดแคสต์ของพวกเขา หากคุณเชื่อว่ามีบุคคลอื่นใช้งานที่มีลิขสิทธิ์ของคุณโดยไม่ได้รับอนุญาต คุณสามารถปฏิบัติตามขั้นตอนที่แสดงไว้ที่นี่ https://th.player.fm/legal

In dieser Episode diskutieren Ellen und Doreen die Risiken von Machine Learning in der Energiewende: Intelligente Stromnutzung kann Geld sparen und ML spielt bei der Nutzung erneuerbarer Energien eine wichtige Rolle. Doch diese Kombination birgt auch Risiken: Das Netz ist volatil und mögliche Angriffe können verheerende Folgen haben. Es geht daher auch um die Sicherheitsanfälligkeiten, die durch die Vernetzung von Geräten entstehen und um reale Angriffe auf Energieinfrastrukturen. Doch es gibt Strategien zur Verbesserung der Sicherheit von Machine Learning-Modellen, um diesen Herausforderungen zu begegnen.

CHAPTERS

(00:00) Einstiegsfrage

(08:14) Climate Tech und persönliche Erfahrungen

(10:31) Energiebedarf und Klimawandel

(17:27) Wissen über Energie und ihre Bedeutung

(17:28) Die Rolle von Machine Learning in der Energiewende

(27:03) Risiken von Machine Learning und Cybersecurity

(33:03) Typische Sicherheitsanfälligkeiten und Fallbeispiele

(41:21) Sicherheitsrisiken in der Energieversorgung

(44:15) Netzstabilität und ihre Herausforderungen

(46:04) Schutz von Machine Learning Modellen

(51:10) Cross-Skilling und Teamarbeit in der Sicherheit

(54:45) Die Bedeutung von Tests und Hacker-Gruppen

LINKS

  • https://www.golem.de/news/klimawandel-massiver-solarausbau-koennte-erde-bis-2050-abkuehlen-2503-194728.html
  • https://www.sciencedirect.com/science/article/pii/S0306261921007224
  • https://www.flaticon.com/free-icon/eco-house_15471480
  • https://www.iea.org/news/growth-in-global-electricity-demand-is-set-to-accelerate-in-the-coming-years-as-power-hungry-sectors-expand
  • https://www.utilitydive.com/news/minimize-artificial-intelligence-cyber-risks-to-energy-infrastructure-start-with-design/731446/
  • https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/
  • https://techxplore.com/news/2018-01-world-toaster-ai.html
  • https://www.forescout.com/resources/sun-down-research-report/
  • https://www.forescout.com/blog/grid-security-new-vulnerabilities-in-solar-power-systems-exposed/
  • https://dcurt.is/thinking

  continue reading

87 ตอน

ทุกตอน

×
 
Loading …

ขอต้อนรับสู่ Player FM!

Player FM กำลังหาเว็บ

 

คู่มืออ้างอิงด่วน

ฟังรายการนี้ในขณะที่คุณสำรวจ
เล่น