XiaoMi-AI文件搜索系统
World File Search System对抗
在对抗上下文中可解释的人工智能
人工智能（AI）方法是现代世界不可或缺的一部分。如今，每个与智能手机互动的人都与AI接触（Herget，2024）（Wired Insider，2021）。 自从大型语言模型（LLMS）（CF（BSI，2024a）易于获得BSI的评论）以来，公众对AI存在的意识已广泛传播。 但是，自引入LLM之前，AI算法支持或自动执行决策过程。 Propublica的报告，即预测模型用于确定美国犯罪嫌疑人的累犯风险，受到了很大的关注（Angwin等，2016）。 在金融领域，基于AI的预测模型用于支持贷款申请的决定或预测金融市场的发展（Aziz等，2022）。 此外，使用基于AI的决策支持系统进行诊断和治疗患者的治疗，目前已在医学中进行了研究或部分实施（社论，2024年）（皇家放射学院，等，2023）（BSI，2024年）。 这些是高度敏感的领域，在这种领域中，错误的决定可能会对公民造成社会，法律，财务或健康损害。如今，每个与智能手机互动的人都与AI接触（Herget，2024）（Wired Insider，2021）。自从大型语言模型（LLMS）（CF（BSI，2024a）易于获得BSI的评论）以来，公众对AI存在的意识已广泛传播。但是，自引入LLM之前，AI算法支持或自动执行决策过程。Propublica的报告，即预测模型用于确定美国犯罪嫌疑人的累犯风险，受到了很大的关注（Angwin等，2016）。在金融领域，基于AI的预测模型用于支持贷款申请的决定或预测金融市场的发展（Aziz等，2022）。此外，使用基于AI的决策支持系统进行诊断和治疗患者的治疗，目前已在医学中进行了研究或部分实施（社论，2024年）（皇家放射学院，等，2023）（BSI，2024年）。这些是高度敏感的领域，在这种领域中，错误的决定可能会对公民造成社会，法律，财务或健康损害。
t细胞上升以对抗肠道感染
媒体联系人：Gina Kirchweger gina@lji.org 848.357.7481即时释放T细胞，T细胞上升以与肠道科学家的感染作斗争，展示了一个特殊的T细胞如何通过小肠里漫游，以打击ca la jolla，ca -your ut ut ut ut ut ut ut。围绕小肠排列的细胞必须平衡两个看似矛盾的工作：吸收食物中的营养，同时保持警惕的病原体试图入侵您的身体。“这是病原体可以潜入的表面，” La Jolla免疫学研究所（LJI）助理教授Miguel Reina-Campos博士说。 “对于免疫系统来说，这是一个巨大的挑战。”那么，免疫细胞如何确保肠道安全？由LJI，加州大学圣地亚哥分校的科学家领导的新研究和艾伦免疫学研究所表明，抗原病原体的免疫细胞称为组织居民记忆CD8 T细胞（T RM细胞）经历了令人惊讶的转化，并恢复了小肠中的感染。实际上，这些细胞实际上在组织中上升较高，以在病原体传播到更深，更脆弱的地区之前对抗感染。“肠道中的组织已经发展为为免疫细胞浸润提供信号 - 将免疫细胞放置在特定的地方，因此它们具有更好的阻止病原体的能力，” Reina-Campos说，他与联合首先研究的新自然研究的第一作者和UC Sanivo和UC Sanivo的Alexander Monell一起担任了新自然研究的第一作者，并获得了UC Sanivo和联合Aneror Author Author Authorian Authorian Anegianian Heeg，M.Div。 和艾伦免疫学研究所和圣地亚哥分校的Ananda W. Goldrath博士。 新发现增加了免疫细胞适应特定组织的越来越多的证据体。和艾伦免疫学研究所和圣地亚哥分校的Ananda W. Goldrath博士。新发现增加了免疫细胞适应特定组织的越来越多的证据体。Reina-campos认为这些“组织居住”的免疫细胞可能是未来癌症的特定器官肿瘤的关键参与者。
DeSVig：工业人工智能系统中针对对抗性攻击的去中心化快速警惕
摘要 — 单独增强单个深度学习模型的鲁棒性只能提供有限的安全保障，尤其是在面对对抗性示例时。在本文中，我们提出了 DeSVig，这是一个去中心化的 Swift Vigilance 框架，用于识别工业人工智能系统 (IAIS) 中的对抗性攻击，使 IAIS 能够在几秒钟内纠正错误。DeSVig 高度去中心化，提高了识别异常输入的有效性。我们尝试使用特殊指定的移动边缘计算和生成对抗网络 (GAN) 来克服由行业动态引起的超低延迟挑战。我们工作最重要的优势是它可以显着降低被对抗性示例欺骗的失败风险，这对于安全优先和延迟敏感的环境至关重要。在我们的实验中，工业电子元件的对抗样本由几种经典的攻击模型生成。实验结果表明，DeSVig 比一些最先进的防御方法更强大、更高效、更具可扩展性。
对对抗性攻击的深度量化微小神经网络的定量分析
这项工作是在Ferheen Ayaz在格拉斯哥大学任职时完成的。作者的联系信息：伊德里斯·扎卡里亚（Idris Zakariyya），格拉斯哥大学，格拉斯哥，英国，idris.zakariyya@glasgow.ac.ac.uk; Ferheen Ayaz，城市，伦敦大学，伦敦，英国，ferheen.ayaz@city.ac.uk; Mounia Kharbouche-Harrari，法国Stmicroelectronics，Mounia.kharbouche-harrari@st.com;杰里米·辛格（Jeremy Singer），格拉斯哥大学，英国格拉斯哥，jeremy.singer@glasgow.ac.uk； Sye Loong Keoh，格拉斯哥大学，英国格拉斯哥，syeloong.keoh@ glasgow.ac.uk; Danilo Pau，意大利Stmicroelectronics，danilo.pau@st.com;何塞·卡诺（JoséCano），格拉斯哥大学，英国格拉斯哥，josecano.reyes@glasgow.ac.uk。
常见的疟疾药物重新使用以对抗癌症
Aguilera说，在某些动物中已经成功地测试了吡喃吡啶，并且由制药公司Armaceutica对肺部晚期乳腺癌，肺癌和肝癌的一项试点研究显示，寿命有所增加。，但阿奎莱拉（Aguilera）警告说，在吡诺那丁可以用来治疗公众的癌症之前，它必须进行临床试验，这是一个多年的过程，该过程测试药物以确保其在人类中的安全性和功效。
新的AI防御方法屏蔽了对抗攻击的模型
“对AI系统的对抗性攻击可以采取微小的，几乎是看不见的调整来输入图像，这可以将模型引导到攻击者想要的结果的微妙修改。“这样的脆弱性使恶意行为者能够以真实产出为幌子以欺骗性或有害内容泛滥数字渠道，从而对AI驱动技术的信任和可靠性构成直接威胁。”
光子计数检测器CT用于排泄期CT中的肾结石检测 - 在3D打印的肾脏幻影>中的虚拟非对抗与虚拟非碘重建之间的比较
结果：VNI的读取器2额定总体图像质量高于VNC（4.90 vs. 4.00; p <.05），而阅读器1没有发现显着差异（4.96 vs. 5.00; p> .05）。在VNC和VNI中的读者之间观察到了实质性的一致性（Krippendorff的Alpha范围：0.628-0.748）。两位读者对VNI的频率不完全发生频率（读者1：29％vs. 15％; p <.05;读者2：24％vs. 20％; p> .05）。尿酸和较小的石头（<5 mm）比VNC和VNI中的Caox和较大的石头更有可能被减去。总体而言，与VNC相比，VNI的石材减法率更高（读者1：22％比16％；阅读器2：25％vs. 10％; p <.05）。辐射剂量和管电压均未显着影响石材减法（p> .05）。
治疗设计师肽以对抗急性心肌无力
“我们的实验室为该项目开发了一种定制的计算机辅助建模管道，该管道对肽的分子结构进行了建模，并与患病心脏细胞中预测的分子效应子相互作用。计算建模指导特定实验的设计研究分子机制。通过这种方式，计算机辅助建模的优势以及Ritterhoff博士和教授最有效地相互补充。”韦德教授说。